AI在线 AI在线

AI药物

NeurIPS 2025 | 当分子拥有「视觉」:湖南大学提出S²VM,让AI读懂药物之间的化学默契

作者 | 论文团队编辑 | ScienceAI想象一下,如果 AI 能拥有一位资深化学家的「化学直觉」—— 不仅能预测药物间的相互作用,更能「看见」分子结构中那些决定其相互作用的微妙联系,甚至揭示出那些沉睡在未知化学空间中的潜在互动,那将是怎样一番景象? 然而,理想与现实之间存在着巨大的鸿沟。 一直以来,AI 学习药物相互作用的方式存在一个根本性的瓶颈:它严重依赖于已知的、有标记的药物对数据。
10/23/2025 2:19:00 PM
ScienceAI

Information Fusion | 融合视觉与序列,湖南大学等提出药物相互作用预测新方法

作者 | 论文团队编辑 | ScienceAI药物 - 药物相互作用(DDIs)的准确预测对于保障药物安全和加速新药研发至关重要。 然而,现有方法大多依赖整体分子结构或子结构表征,难以充分捕捉功能性 motif 之间的交互关系,而这恰恰是 DDIs 的根本原因。 与此同时,分子图像能够天然保留分子在二维 / 三维空间中的构象特征与视觉线索(如纹理、阴影、颜色和空间布局),这些信息往往难以通过单一图或序列表示捕捉,因而为刻画 motif 间的空间互作提供了独特优势。
9/28/2025 11:58:00 AM
ScienceAI

重塑药物研发,哈佛医学院等开源全新AI模型,用「图神经网络」破解疾病驱动因素多元难题

编辑丨coisini复杂疾病的诱发因素往往是多元的,而传统的药物发现方法侧重于激活或抑制单一蛋白质。 当疾病由多种信号通路和基因相互作用推动时,这种药物发现模式可能就不够用了。 最近,来自哈佛医学院、帝国理工学院等的研究团队设计出一种名为 PDGrapher 的人工智能模型,将重点放在疾病的多种驱动因素上,并识别最有可能使病变细胞恢复健康功能的基因。
9/12/2025 2:21:00 PM
ScienceAI

快速、精准且可解释的通用药物发现工作流LeadDisFlow:中国团队推动候选药物进入临床Ⅱ期

作者 | 论文团队编辑 | ScienceAI传统的靶向药物设计方法长期受限于三大关键瓶颈:初始化合物库的质量不高、湿实验筛选成本高昂以及活性预测模型可解释性差,这些瓶颈严重制约了新药发现的效率。 为突破这一行业难题,湖南大学、华东师范大学联合上海交通大学、华中科技大学等高校科研团队利用先进的分子图像技术,构建了一个快速、精准且可解释的靶向药物通用发现工作流程,旨在加速新药的研发进程。 研究成果以《Discovery of EP4 antagonists with image-guided explainable deep learning workflow》为题发表在《National Science Open》上。
7/18/2025 2:16:00 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
  • 1