AI在线 AI在线

AI for Science

从「一团乱麻」到清晰分型,AI精准解析肿瘤细胞多样性,助力个性化联合疗法设计

图示:肿瘤横截面的五个细胞群。 (来源:论文)编辑 | 白菜叶肿瘤异质性是指同一肿瘤内部或不同肿瘤之间,细胞在基因、表型、功能或微环境等方面存在差异的现象。 这种差异可导致肿瘤生长、转移、耐药等行为复杂化,是癌症治疗困难的重要原因之一。
7/11/2025 2:11:00 PM
ScienceAI

AI制药究竟是风口还是泡沫?风投公司副总裁一文讲清楚了

编辑丨coisini在 AI for Science 领域,生物基础模型及 AI 驱动的药物发现因发展速度快,前景广而备受关注。 特别是,随着 AlphaFold、ChatGPT 等前沿 AI 模型的出现,AI 制药一次又一次地被推向投资风口。 例如,2023-2024 年,仅英伟达一家科技巨头就投资了 10 余家制药公司;而由诺贝尔化学奖获得者 Demis Hassabis 创办的 Isomorphic Labs 更是在今年第一季度宣布完成 6 亿美元融资。
7/9/2025 5:53:00 PM
ScienceAI

登《Cell》,中科院高彩霞等开发AiCE:一种AI蛋白质工程通用策略

编辑丨&蛋白质工程长期受限于低成功率与高成本,理想的蛋白质工程策略需要以最少的工作量实现最佳性能。 当前基于 AI 的蛋白质工程技术通常计算量大,因此迫切需要更易于使用且用户友好的替代方案,这些方案需要保持预测的准确性并在研究社区推广使用。 中国科学院高彩霞团队开发的 AiCE(AI-informed constraints for protein engineering)框架通过将结构和进化约束整合到通用反向折叠模型中,实现了快速高效的蛋白质进化,无需专门训练。
7/8/2025 6:23:00 PM
ScienceAI

与一支由虚拟科学家组成的 AI 团队共事是怎样的体验?

编辑丨%4 月的一个星期天早上,病理学家托马斯·蒙廷 (Thomas Montine) 召开了他一生中最超现实的会议之一。 在一个名为 Virtual Lab 的系统的在线测试界面中,Montine 构建了一个由六个人工智能(AI)角色组成的团队,所有角色都由商业大型语言模型提供支持。 他赋予了这些模型全新的身份:一对神经科学家,一位是神经药理学家,另一位是药物化学家。
7/7/2025 10:11:00 AM
ScienceAI

西湖大学郭天南解答AI虚拟细胞难题:在三重数据支持下的闭环学习系统

编辑丨&细胞是生命的基本单位,对于了解健康、衰老和疾病至关重要,是药物开发和合成生物学的重要研究对象。 基于细胞的实验需要大量资源,且出现突变的概率相当高,直接导致了生物医学实验中难以复现的困境。 通过数十亿年的进化,第一个碳基细胞出现在地球上,然而现如今借由虚拟技术,「硅基细胞」的发现与发展正在为科学界提供变革的机会。
4/10/2025 1:09:00 PM
ScienceAI

AI发论文被顶会接收?拿到6/7/6同行评审的AI Scientist-v2有多强,技术细节来了

编辑 | ScienceAI还记得 2024 年 8 月 Sakana AI 发布的 AI Scientist 吗? 全球首个用于自动化科学研究和开放式发现的 AI 系统。 如今它已经进化到了 AI Scientist-v2 版本,并且它生成的论文几乎达到被 AI 顶会接收的水平了!
4/9/2025 2:12:00 PM
ScienceAI

仅输入prompt与序列,准确率超90%,UC伯克利等提出文本生成蛋白质多模态框架

编辑丨coisini机器学习在蛋白质发现领域展现出深远的潜力,相关工具已快速应用于科学流程的辅助与加速。 当前,AI 辅助的蛋白质设计主要利用蛋白质的序列和结构信息,而为了描述蛋白质的高级功能,人们以文本形式整理了海量知识,这种文本数据能否助力蛋白质设计任务尚未得到探索。 为了填补这一空白,来自加州大学伯克利分校(UC Berkeley)、加州理工学院(California Institute of Technology)等机构的研究者提出了一个利用文本描述进行蛋白质设计的多模态框架 ——ProteinDT。
4/3/2025 2:37:00 PM
ScienceAI

53%性能全面提升,Ayu新模型横扫传统工具,分泌蛋白预测效率再翻倍

编辑丨&微生物是驱动元素循环的引擎,它们分泌蛋白质以寻求生活环境。 现阶段还缺乏有效的计算方法来研究分泌蛋白。 表征分泌组的另一种方法是将现代机器学习工具与蛋白质组对海洋环境的进化适应变化相结合。
4/3/2025 2:36:00 PM
ScienceAI

解密神经元活动变异性:艾伦研究所与清华揭示大脑状态如何动态调节神经编码

编辑 | 2049神经元对相同刺激的反应为什么会表现出显著差异? 这种变异性是否仅仅是「噪声」? 传统研究往往假设神经活动变异性是静态的,但真实大脑状态在秒级尺度内快速切换,导致编码效率的动态波动。
3/28/2025 2:02:00 PM
ScienceAI

性能优于o3-mini,DeepMind发布通用医学开源LLM与问答Agent,改善治疗开发

编辑 | 萝卜皮开发一种新的治疗方法风险特别大,过程非常缓慢,而且可能花费数十亿美元。 据统计,90% 的候选药物过不了第一阶段的试验。 在这里,Google DeepMind 团队发布了 TxGemma,这是一组开源模型,旨在通过利用大型语言模型的强大功能来提高治疗开发的效率。
3/28/2025 2:00:00 PM
ScienceAI

解码衰老时钟:深度学习揭示大脑衰老速度与认知功能衰退的关联

编辑 | 2049人脑的衰老速度与认知衰退、神经退行性疾病风险密切相关。 然而,传统脑龄(Brain Age,BA)模型仅能反映从出生到检测时间点的累积衰老效应,无法捕捉近期或动态的衰老速率。 这一问题在阿尔茨海默病(AD)等神经退行性病变的早期预警中尤为突出。
3/26/2025 2:11:00 PM
ScienceAI

活性提升65倍,山大新AI工具定向进化高活性酶,外部数据集验证成功率达80%

编辑丨&准确预测酶动力学参数对于酶的探索和修饰至关重要,但现有模型面临过拟合导致准确率低或泛化能力差的问题。 以山东大学为主导的团队提出了一种基于预训练模型和分子指纹的深度学习模型 CataPro ,并用它来预测转换数(k(cat))、米歇尔常数(K(m))和催化效率(k(cat)/K(m))。 与以前的基线模型相比,CataPro 在无偏数据集上表现出明显增强的准确性和泛化能力。
3/26/2025 2:10:00 PM
ScienceAI

为矛盾的理论提供统一解释,牛津大学等揭秘非晶硅结构

编辑丨coisini非晶硅(α-Si)是研究最广泛的无序网络固体之一,其结构已经被研究了几十年。 两种主要理论分别基于连续随机网络模型和「类晶体」模型,后者被定义为在保持整体非晶网络的同时,表现出类似于晶体状态的局部结构有序性。 然而,这种局部有序性的程度一直不明确。
3/25/2025 12:02:00 PM
ScienceAI

科学家们正利用机器学习从数千种旧药中寻找新的治疗方法

编辑 | 萝卜皮药物再利用,即将市面上现有药物重新定位用于治疗其他疾病,这为罕见病患者带来了曙光。 美国国立卫生研究院(National Institutes of Health)将罕见病定义为在美国影响少于 20 万人的疾病。 但有数千种罕见病,总共影响了数千万美国人和全球数亿人。
3/24/2025 2:18:00 PM
ScienceAI

搜索效率提升4倍,南大提出基于对称性原理的晶体结构预测方法

编辑 | ScienceAI晶体结构预测(Crystal Structure Prediction, CSP)是一个不断发展的领域,旨在通过最少的先验信息来识别晶体结构。 尽管各种 CSP 算法已经取得了一定的成功,但其实际应用仍然受到限制,尤其是在处理大型复杂系统时。 提高 CSP 效率的方法多种多样。
3/24/2025 2:11:00 PM
ScienceAI

生信工具评测方法:基于蛋白质对的计算机预测工具评估

编辑 | 白菜叶计算机模拟蛋白质功能注释对于缩小因测序加速而导致的对蛋白质活性理解的差距至关重要。 存在多种功能注释方法,而且它们的数量一直在增长,尤其是随着深度学习技术的发展。 但是,目前尚不清楚这些工具是否真的具有预测性。
3/21/2025 2:06:00 PM
ScienceAI

剑桥团队革新RNA速率分析:AI算法突破基因动态追踪

编辑丨&RNA 速率模型利用剪接和未剪接的 RNA 计数中包含的时间信息来推断转录动力学,但现有的速率模型通常依赖于粗略的生物物理简化或数值近似来求解基础常微分方程(ODE)。 英国剑桥大学主导的团队提出了 cell2fate,它允许以完全贝叶斯方式求解生物物理学上更准确的模型。 通过将 RNA 速率解决方案分解为模块,cell2fate 在 RNA 速率和统计降维之间建立了生物物理联系。
3/20/2025 2:12:00 PM
ScienceAI

迄今为止最大最全面!人类专家级准确性,AI数据驱动的生物医学知识图谱

编辑 | 萝卜皮为了应对生物医学研究中科学出版物和数据的快速增长,知识图谱(KG)已成为整合大量异构数据以实现高效信息检索和自动知识发现的重要工具。 然而,将非结构化的科学文献转化为知识图谱仍然是一项艰巨的挑战,之前的方法无法达到人类水平的准确率。 在最新的研究中,佛罗里达州立大学(Florida State University)和 Insilicom LLC 的研究人员使用了在 LitCoin 自然语言处理挑战赛 (2022) 中获得第一名的信息提取流程,利用所有 PubMed 摘要构建了一个名为 iKraph 的大规模知识图谱。
3/20/2025 2:08:00 PM
ScienceAI