- 博客(407)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 AIDD-人工智能药物设计-结构感知配体生成模型
T5ProtChem 为统一的生物医学语言模型奠定了基础，减少了对多个预训练模型的依赖，简化了流程，并实现了跨分子生物学和化学的更丰富的表征学习。化学计量预测是 CASP16 的一项新挑战，AlphaFold3 在排名靠前的模型中正确预测了 34% 的化学计量，在五个提交中正确预测了 54%，这表明仍有改进空间，尤其是在异聚体组装方面。此外，该方法的泛化能力强，超越了 mGPfusion 等仅限于热稳定性的预测，支持更广泛的蛋白质功能预测，并在六种基准蛋白质的酶活性和配体结合突变效应估计中展现出最佳性能。
2025-04-22 03:07:36
1009
原创 AI 驱动抗生素发现：从靶点到化合物测试
选择的靶点包括已验证的抗生素靶点 MurC、新型酶靶点 CdsA 和推定的二聚化界面靶点 CohE，它们与已知数据集的结构相似性各不相同，以便严格评估模型的泛化能力。此外，RetroGFN 生成的反应包含更多样化的分子骨架，尤其是在较大的 k 值下，这满足了合成规划中对结构多样性的关键需求。TamGen 探索了最广泛的化学空间，但也表现出较高的骨架冗余，经常在不同靶点上生成相同的分子，这表明其具有较强的先验性，但结构特异性较低。需要注意的是，这些结果特定于本研究中使用的 ML 方法和 AutoML 库。
2025-04-19 17:40:43
734
原创 AIDD-人工智能药物设计-融合多源知识，精准预测蛋白质功能
结果表明，基于全基因组表征学习（WGRL）的表征在几乎所有表型和 k 值上都表现出比标准 Pfam 结构域存在/缺失向量更高的预测性能，尤其在系统发育信号较低的表型（例如 pH 和盐度偏好）上表现出色，表明该模型捕获了超出系统发育相关性的机制。这些组件协同工作，简化了结核病抗生素的发现过程。DeepCryoRNA 利用一种特制的 U-Net 神经网络，能够预测 RNA 分子中的 18 种原子类型，从而提高了原子预测精度，并改进了从冷冻电镜数据构建完整 RNA 序列的过程，其中全局序列比对发挥了关键作用。
2025-04-13 17:31:32
898
原创 AIDD-人工智能药物设计-基于多智能体的药物靶点相互作用预测
例如，它在基于脂质的网络中检测到与哮喘相关的钠通道，在基于离子的网络中检测到与白血病相关的锌指结构。从 QM9 训练的教师模型到实验数据集（如 ESOL（logS）和 FreeSolv（ΔGhyd））的跨领域迁移表明，KD 有助于弥合理论数据和经验数据之间的分布差距，SchNet 在溶解度预测上实现了约 65% 的 R² 增益。该方法使精简的学生模型（最高可缩小 2 倍）在量子数据集（QM9）和实验基准（ESOL、FreeSolv）上达到或超过复杂教师模型的性能，证明了其在特定领域和跨领域设置中的有效性。
2025-04-13 17:14:36
391
原创 AIDD-人工智能药物设计-大语言模型在医学领域的革命性应用
近年来，通用大语言模型（LLMs）如 PaLM、LLaMA、GPT 系列与 ChatGLM，在文本生成、摘要、问答等自然语言处理任务中取得了显著进展，并逐步拓展至医学领域。基于开源LLMs（如LLaMA），研究人员构建了多种医学专用模型，如 ChatDoctor、MedAlpaca、PMC-LLaMA、BenTsao 和 Clinical Camel，以支持临床诊疗和患者管理。例如，大多数模型集中于医学对话与问答场景，实际临床应用中的任务（如电子病历分析、出院小结生成、健康教育与照护计划）尚未被充分挖掘。
2025-04-12 17:16:26
1227
原创 AIDD-人工智能药物设计-提升分子预测反事实解释可靠性
同时，模型采用基于 k-mer 的 word2vec 表示法进行子序列嵌入，为模型提供了有效的上下文输入，进一步增强了从具有生物学意义的模式中学习的能力。因此，本研究引入投资组合优化中的度量标准，例如条件风险价值（CVaR）和冷启动性能，为评估蛋白质优化算法提供了新的维度，旨在不仅关注平均性能，更要最小化优化过程中的失败风险。研究表明，I-INF 为 RNA-蛋白质对接预测提供了可靠且一致的评分，并且是对现有评估方法（如 DockQv2）的有益补充，为界面质量评估带来了新的视角。
2025-04-12 17:15:08
1099
原创 AIDD-人工智能药物设计-AI 精准预测蛋白质变构位点
值得注意的是，研究者识别出 26 个 MAGs 编码了五种不同的植物生长促进性状，而这些 MAGs 大多数缺乏已培养的代表菌株，这为未来的分离培养工作指明了潜在目标。不仅如此，ICMA 的鲁棒性也得到了验证，例如在分子生成任务（Cap2Mol，即从文本描述生成分子结构）中，ICMA 同样取得了当前最佳（state-of-the-art）的结果。结果表明，与先前的方法（包括经过领域预训练的模型和使用传统上下文学习的 LLMs）相比，ICMA 在 BLEU 和 METEOR 等评价指标上均取得了更优异的成绩。
2025-04-12 17:13:42
997
原创 AIDD-人工智能药物设计-面向AI驱动的生物医学研究的大规模综合知识图谱
虽然已有许多关于COVID-19药物再定位的研究，但据研究人员所知，尚无其他研究对如此大规模的候选药物进行过系统验证，这体现了iKraph在实时识别潜在治疗药物方面的独特优势。研究人员进一步为关系添加方向信息，训练模型预测因果方向，构建了可进行间接因果推理的图谱，并整合了40个公共数据库及高通量组学数据，极大提升了KG的覆盖度和质量。对前50个候选药物与前250个适应症进行评估，发现大多数情况下，PubMed抽取的结果具有更高的F1分数，显示文献中的信息密度与质量远超公共数据库，为药物再定位提供更强支撑。
2025-04-12 17:08:59
717
原创 GEO, TCGA 等将被禁用？！这40个公开数据库可能要小心使用了
你认为研究者上传到 GEO 数据库上的数据会被禁用吗？不会，不是所有数据都是老美的。没关系，反正有一些平替数据库。会，毕竟占用存储资源。
2025-04-09 00:15:38
247
原创 AI-人工智能-基于LC-MS/MS分子网络深度分析的天然产物成分解析的新策略
进一步比较显示，在不同的毛细管和锥孔电压下，ISF节点与正常节点的数量变化不大，但随着去溶剂化温度降低，ISF节点数量显著减少。例如，节点#417附近的节点#399、#381和#363的保留时间与节点#417相同，并且它们的特征离子在节点#417的一级谱图中可见，表明这些节点是节点#417的ISF节点。分子网络深度分析是一种根据不同冗余节点的特点，对分子网络中的冗余节点进行快速过滤和筛选的方法，从而产生只包含已知节点和未知节点的干净分子网络，更容易对未知节点进行表征，大大提高分子网络分析的效率和准确性。
2025-04-08 19:15:56
837
原创 AI-人工智能-多模态药物识别AI新算法GSFM，为精准药物表征装上“智慧眼”
受启发于中药多靶点网络调控的特点，海军军医大学张卫东教授课题组联合中国科学院分子细胞科学卓越创新中心陈洛南教授课题组构建了以功能模块（Function Module，FM）为基本单元的多模态新型药物筛选算法，并探究药物的治疗效能与其对疾病逆转能力之间的系统性关联，为数据驱动的药物发现带来新见解。本研究不仅提供了药物研发领域的多模态药物筛选框架，更为基于表达谱驱动的新药发现提供了坚实的科学基础，而且该方法以功能模块为出发点，符合中药多靶点调控的特点，对于推动我国在中药创新药物研究领域的进步具有重要意义。
2025-04-08 19:14:51
346
原创 AIDD-人工智能药物设计-网络药理学-多组学与网络药理学分析揭示龟龄集治疗少精症的机制
该网络中的8种DMs在OAT组和GLJ组中相反表达，其中7种由OAT增加的代谢物在GLJ处理后被下调，尤其是花生四烯酸和鞘氨醇（图4D）。因此，对血清进行脂质组学分析，鉴定出159种脂质DMs（图3C），GLJ调节的54种DMs的包括33%的甘油磷脂，20%的甘油脂，17%的类固醇，6%的鞘脂等（图3F）。然后将GLJ-H和OAT组的DEGs进行功能富集分析，OAT vs Sham组和GLJ-H vs OAT组富集的生物过程（BP）和分子功能（MF），包括生物体发育和免疫过程（图5C）。
2025-04-08 19:12:45
750
原创 AIDD-人工智能药物设计-TCMP-12个公开的中药数据库
数据库是中药网络药理学研究不可或缺的数据来源之一。目前已经建立了若干中药数据库，提供有关中药的各方面信息，包括疾病、方剂、草药或天然产物、生物活性成分和靶点。这些数据库成为中医药与现代生物医学之间的桥梁，在中药药理学研究中发挥了重要作用。这里列出12个公开的中药数据库。
2025-04-08 19:10:34
942
原创 Win11重新设计开始菜单 变成iOS样式
下图：默认情况下新版 Windows 11 开始菜单样式，可以看到分别为已固定、推荐的项目和全部，其中推荐的项目包含微软根据用户使用频率、新添加的应用进行推荐，每行显示 3 个应用程序，第二行则显示最近的 3 个文件。，用户不能对网格进行重命名，但蓝点网估计后面应该是会允许用户对网格进行重命名的，这样用户 DIY 会更方便，但 iOS 的应用库同样不允许对网格进行分类，每次新安装的应用由苹果根据应用程序性质自动分类。好消息是我们可以通过切换视图改成为网格命名选项，这样默认变成列表显示且一行显示多个(
2025-04-08 19:09:12
450
原创 (AI+医疗)2025最应该学习是--医学AI大模型LLM应用与开发
AI正在重塑医疗行业。从智能问诊到辅助诊断，再到药物研发和病例分析，大型语言模型（LLM）如ChatGPT、DeepSeek等，以其强大的自然语言处理能力和知识推理能力，成为医生和研究人员的“超级大脑”。课程中将使用ChatGPT、DeepSeek、LangChain、Ollama等行业领先的AI工具，确保您始终站在技术的最前沿。这门“医学AI大模型应用与开发课程”专为医学专业人士、研究人员和AI开发者设计，内容全面、实用、前沿。：掌握Ollama本地部署技术，构建高效的知识推理系统，助力临床决策。
2025-04-08 19:06:00
405
原创 Nature破译SCLC的“电密码”：神经活动如何驱动癌症恶化
****，**通过电生理记录、代谢分析、动物模型和单细胞测序等多维度技术，系统解析了SCLC中神经内分泌（NE）细胞与非NE细胞的电活动特性及其代谢协作机制。首次证实小细胞肺癌（SCLC）中的神经内分泌（NE）细胞具有神经元样电活动（动作电位），其通过激活钙信号通路（如CREB/FOS）直接促进肿瘤转移和耐药性。非NE细胞通过分泌乳酸和丙酮酸支持NE细胞的能量需求，类似“星形胶质细胞-神经元乳酸穿梭”机制，揭示了亚群间代谢共生的关键作用。图4 来自非NE细胞的代谢物支持维持NE细胞对ATP的需求。
2025-04-08 13:53:30
644
原创 这个科研方向已经不适合临床医生
预后模型的缺乏限制了对患者预后的准确预测和靶向治疗的选择。该图进一步证实了PCDI作为预后指标的有效性：通过在多个独立数据集中验证PCDI与患者生存时间的相关性， 强调了PCDI在不同患者群体中的一致性：无论是在训练集还是验证集中，PCDI评分都显示出与生存时间的显著相关性，表明PCDI可能适用于不同患者群体的预后评估，从而支持了PCDI可以作为LUAD患者预后的可靠指标。图8b到图8 l的箱线图，比较了高PCDI组和低PCDI组之间的IC50（半抑制浓度）值，并显示了IC50和PCDI值之间的相关性。
2025-04-08 13:52:18
660
原创 AIDD-人工智能药物设计-生物信息-去年才出的review，今年就有顶刊了——神经免疫
从Monje和Hanahan的开创性研究，到Whiteley和Tavazoie团队的突破性发现，神经免疫交叉领域正在快速发展，揭示了神经系统与癌症之间复杂而紧密的关系。”的文章，提出神经元以及神经轴突样特征可以作为肿瘤微环境的标记物，自分泌和旁分泌在癌细胞中异常激活的神经元调节回路也可能会为独特的激活标记，有助于识别癌症发生机制。探索与神经系统相关的药物，如针对神经递质受体的药物，可能为癌症治疗开辟新的方向，为患者带来新的希望。在癌症研究领域，肿瘤的神经支配与癌症转移之间的关系逐渐受到研究者们的关注。
2025-04-08 13:51:10
836
原创 AIDD-人工智能药物设计-实验反馈提升 AI 生物分子设计精度
此外，研究者还开发了一种名为 REINT BS0 的变体方法，通过按突变区间分组序列并保持平衡，成功缓解了对野生型的过拟合问题，将功能性序列的生成范围扩展至高达 65 个突变。因此，这项工作提出了一条实用且有原则的途径，通过闭合生成预测与实验反馈之间的循环，并以数学上易于处理的方式实现，从而推动更可靠的生物分子设计。PIO 方法通过有效利用不确定性信息，为应对复杂的化学和药物设计挑战提供了一种更可靠、更高效的途径，并展示了其应用于实际问题的可扩展性，超越了以往不确定性整合方法的局限性。
2025-04-08 13:45:37
1041
原创 AIDD-人工智能药物设计-PLIP: 如何分析蛋白质和配体相互作用?
本文介绍了蛋白质-配体相互作用指纹（PLIF）方法，该方法结合了蛋白质-配体相互作用分析软件（PLIP）和化学信息学工具包 RDKit，用于分析蛋白质-配体相互作用。首先，利用 PLIP 软件分析了 6 个 PD-L1 共晶体结构，获得了配体与蛋白质残基之间的相互作用信息。然后，根据 OPIG 博客介绍的方法，利用 RDKit 将 PLIP 的分析结果转换为 PLIF。为了便于比较不同共晶体结构之间的相互作用模式，将 PLIF 表示为位向量，并使用热图可视化。
2025-04-08 13:43:52
928
原创 AIDD-人工智能药物设计-基于帕累托算法和蒙特卡洛树搜索的多目标分子生成方法
评估结果表明，PMMG在七个目标同时优化的任务中，其生成分子的超支配体积相比基准方法提升了31.4%，成功率提升了2.5倍，展现出在多属性分子设计中实现高效平衡优化的能力。基于这一背景，为进一步验证PMMG在真实药物设计场景中的应用价值，作者开展了以EGFR与HER2为双靶点的分子生成实验，在原有基础上扩展至对8个性质维度的综合优化，其中既包括EGFR和HER2的抑制活性，也涵盖了如LogP、膜通透性、代谢稳定性、毒性、可合成性和类药性等关键药物属性。如图3所示，不同模型生成的分子分布具有显著相似性。
2025-04-07 17:07:50
1068
原创 AI 驱动酶高效进化
例如，在人类 T 细胞和小鼠树突状细胞的发育轨迹分析中，scTrans 准确重建了发育路径，其推断的伪时间与已知的基因表达动态高度一致。PUSDA 产生大规模、高质量序列 - 功能数据的能力，及其模型指导的设计方法，使其能够有效补充 AlphaFold 或大型蛋白质语言模型等现有工具，共同加速生物制造和合成生物学领域的发现与创新。研究人员可以利用这个平台，便捷地分析他们感兴趣的蛋白质序列，探索潜在的 14-3-3 结合位点，从而加速对细胞信号传导机制的理解和相关疾病的研究进程。
2025-04-07 16:05:56
591
原创 AIDD-深度学习 MetDeeCINE 破译代谢调控机制
MetDeeCINE 的一个关键创新在于，即使某些成分未被测量，它也能识别有意义的酶 - 代谢物联系，使其适用于未完全注释的生物体，并扩展其在系统生物学和代谢工程中的效用。与传统的基于比对的方法相比，Scorpio 展现出更强的泛化能力，尤其体现在对先前未见 DNA 序列的处理上，使其成为宏基因组分析的理想工具。凭借高效的传播、对多种数据模态的支持以及改进的泛化能力，MSNGO 为多物种蛋白质功能预测树立了新的标杆，为特征信息不足的生物体进行更快速的蛋白质功能注释铺平了道路。
2025-04-06 19:13:30
1022
原创 AIDD-人工智能药物设计-双扩散模型结合多目标优化策略助力3D小分子药物设计
其中，扩散模型能够通过一系列扩散步骤有效学习数据的本质特征，从而构建更真实、更具细节的分子图，提升了分子生成的合理性，以此吸引了研究人员的广泛关注。然而，现有3D分子生成的方法往往难以同时优化多个分子性质，并且对于潜在药物分子的关键性质考虑不足，已开发的生成模型的应用能力仍有待提升。生成分子出现急性毒性的概率较低，确保分子安全性。DiffMC-Gen 在多条件3D分子生成任务中的表现优于现有基线模型，生成分子在药物相似性和药效团匹配方面均占优，展现出精准的局部结构捕捉能力与条件引导下的构象优化能力。
2025-04-06 19:01:10
1081
原创 AI药物设计并不像人们认为的那么简单
本期内容是Relay Therapeutics 首席数据官Pat Walters对于自主AI药物分子生成的一些思考，他犀利的指出目前AI药物生成的技术缺陷，一个切通过实践操作给读者展示了AI在药物研发方面遇到的实际问题。他认为目前AI药物设计距离完美有非常长的路要走，AI相关的药物研发过程中仍然需要专业人士全程参与。最近被一篇题为“生成性人工智能将在不久的将来完全自主地设计新药”的CNBC文章震惊了。严谨的科研工作者虽然不应该关注大众媒体上关于人工智能的文章，但我感觉即使是从事药物发现的科学家也可能对生成性
2025-04-03 18:53:57
1002
原创 2024中国生物信息学十大进展揭晓：从脑图谱到AI病毒，解码生命科学的突破性跨越
从量子级精度的蛋白质动力学模拟到首个整合的人类跨脑区细胞图谱，从AI驱动的病毒“暗物质”发现到泛癌种免疫细胞异质性的系统性解析，每一项成果都标志着中国科学家在破解生命密码、推动精准医学和疾病治疗中的卓越贡献。**研究发现，B细胞在肿瘤中存在显著的异质性，其中肿瘤相关非典型B细胞（TAABs）亚群表现出高克隆扩增能力，并通过与活化的CD4 T细胞形成紧密互作网络，显著提升患者的免疫治疗响应率和预后。未来，该技术或可整合空间转录组数据，实现SV的三维基因组定位，揭示结构变异与表观调控的关联。
2025-04-02 10:50:31
935
原创 AIDD-人工智能药物设计-多模态模型 MMPFP 显著提升蛋白质功能预测准确率
与基线模型相比，ProtoBERT-LoRA 取得了优异的性能，F1 值达到 0.624（精确率：0.481，召回率：0.887），显著优于传统的机器学习模型、基于规则的系统和微调的 PubMedBERT。这减少了在标记数据稀缺时的过拟合，并提高了泛化能力，超越了传统的基于关键词的识别方法。为了验证模型的有效性，研究者在一个包含 100 万个化合物的独立测试集上对 MolAI 进行了测试，即使对于结构复杂的分子，其在再生输入分子方面也实现了超过 99.99% 的出色准确率。
2025-04-02 10:49:02
1387
原创 AIDD-人工智能药物设计-构建基于机器学习方法的在线预测平台高准确预测药物诱导骨毒性
在此基础上，提取多种药物分子特征，包括分子指纹（如MACCS、Morgan、RDKit、TopologicalTorsion、AtomPairs与Descriptors）及分子图谱，通过Transformer编码器与神经网络进行机器学习模型训练。最后，将训练好的模型部署为在线Web服务器（BoneToxPD），供用户快速预测药物的骨毒性。本研究不仅在骨毒性预测的准确性方面取得了突破，还在模型解释性方面提供了新的视角，通过注意力机制精准识别出影响骨毒性的关键化学基团，推动药物研发领域更安全、更高效的发展。
2025-04-02 10:47:23
730
原创 Baker团队用LigandMPNN玩转原子级蛋白质设计
此外，该方法可显著提升已有设计的结合能力，亲和力提升最高达100倍。通过对原本结合能力较弱甚至无结合能力的Rosetta设计进行优化，LigandMPNN显著提升了结合亲和力，其中包括对肌松药物rocuronium和胆酸结合蛋白的成功改造，部分案例的亲和力提升高达100倍。在侧链构象预测方面，LigandMPNN对χ1角的恢复率高于Rosetta和去除配体信息的LigandMPNN-wo模型，并在多个残基（如Gln、Arg、His）上表现出更低的构象偏差，突显其对功能位点精细建模的能力。
2025-04-01 14:42:30
531
原创 AI 驱动设计新型 GLP-1RA 显著提升药效和半衰期
FABO 的鲁棒性和效率使其成为一种很有前景的工具，可用于 MOF 以外的各种应用，并可能使其他需要优化材料或分子发现的领域受益。在大鼠体内的药代动力学（PK）研究表明，与司美格鲁肽（8.17 小时）相比，肽 D13 和 D41 的半衰期更长（分别为 19.86 小时和 23.16 小时），并且具有更高的血浆浓度和更长的平均滞留时间。这项研究不仅展示了 labyrinth 在药物优先级排序方面的强大能力，更强调了将计算模型与人类直觉推理相结合的重要性，为未来的药物研发提供了新的思路。
2025-04-01 14:39:36
958
原创 AIDD-人工智能药物设计-VITAM HORM|VGas6对维生素k的依赖作用
华法林通过抑制Gas6的g-羧化，可以消除Gas6对成纤维细胞、VSMCs和内皮细胞凋亡的保护作用，抑制新生内膜的形成和系膜细胞的增殖，并抑制巨细胞介导的凋亡细胞清除。PLC-g已被证明是MerTK的底物，在凋亡细胞的吞噬作用中是必不可少的，同时也与Axl结合，可能涉及影响细胞骨架动力学的途径。总体来看，由于TAM受体在细胞内序列的高度保守性，大多数相互作用的伙伴是共同的，尽管家族中的每个受体在生物学功能上表现出明显的差异。通过比较不同的敲除模型，可以强烈提示蛋白质S作为TAM受体的配体的作用。
2025-04-01 14:27:00
810
原创 AIDD-人工智能药物设计-一种结合生成式 AI 和结构方法的先导物优化新模型
b，将基于配体的方法整合到 Causal-Delete 中，使用 Delete 设计针对先前确定的 LTK 靶点的抑制剂。受掩码图建模和图数据结构预训练策略的启发，作者引入了一种统一的删除策略（如图 1 所示），包括三个增强的掩码器（随机、空间和拓扑）和四个特定于任务的掩码器（连接体、片段、骨架和侧链）。文章还指出，虽然人工智能辅助药物设计 (AIDD) 已在抗菌药物研发中展现出有效性，但目前的分子生成工作主要集中于基于配体的从头设计模型，这限制了其在研究较少的靶点和整合化学家先验知识方面的应用。
2025-04-01 14:25:03
1417
原创 AI-人工智能-多模态学习助力精准预测心脏毒性
UniMoMo 的成功突出了统一建模在从头分子设计中的可行性，并展示了利用多样化数据集增强生成性能的潜力，为药物发现和分子结合剂设计的未来发展铺平了道路。生物分子间的相互作用，如蛋白质与小分子间的结合，构成了复杂的网络，并对生物过程的调控起着关键作用。在训练过程中，模型最大化同一分子的模态内相似性，同时最小化不同分子间的相似性，确保跨模态表示的一致性。研究表明，Yuel 2 可以预测蛋白质与小分子之间的多种结合亲和力指标，包括 Kd、Ki 和 IC50，从而为药物设计和开发提供了对分子相互作用的全面理解。
2025-04-01 14:23:31
1068
原创 AIDD-人工智能药物设计-深度学习助力提高儿童低级别胶质瘤复发风险预测的准确性
生存分析表明，结合了磁共振图像信息和患者临床信息的多模态深度学习模型可以最显著的区分低复发风险和高复发风险患者，其中低复发风险组的三年无复发生存率（EFS）为92%；在2024年8月份，发表在《Neuro Oncol》杂志上的一项研究通过深度学习方法结合术前磁共振成像（MRI）特征与临床数据，成功的将儿童低级别胶质瘤患者分为术后高复发风险和术后低复发风险组，三年无复发生存率分别为30%和90%，为术后管理提供了可靠的依据［1］。基于临床信息的深度学习模型的三年无复发生存率分别为86%和68%。
2025-04-01 14:18:29
840
原创 人工智能在生物医药-新版ChatGPT-4o辅助一键生成机制图
细胞侵袭（Transwell invasion assay）、迁移（Wound healing assay, Transwell migration assay）以及动物模型中的转移灶形成（肺转移模型、肝转移模型等）是肿瘤研究中成熟且可量化的表型指标。乳酸化作为高乳酸的下游事件，其促进的功能很可能就体现在侵袭和转移能力的增强上。乳酸化修饰、ccRCC、预测靶标（KDM5C/SNAI1/YAP1）、预测通路（Hippo/YAP1）、预测表型（转移/侵袭/迁移）转移是导致ccRCC患者死亡的主要原因。
2025-04-01 14:13:14
1472
原创 人工智能在生物医药领域的应用地图：AIBC2025将于6月在上海召开！
2025年6月12-13日，在此前连续成功举办四届人工智能生物医药大会的基础上（2021至2024），智药邦将联合多家相关单位，在上海举办2025人工智能与生物医药生态大会。相关专业 (药学、化学、生物、医学、数据科学、计算机科学、信息学等) 的 PI / 实验室负责人 / 教授 / 博士后 / 博士 / 硕士研究生。董事长 / CEO / 创始人 / VP / 合伙人。战略 / 研发 / 技术 / IT / 项目总监。战略 / 研发 / 技术 / IT / 项目总监。期刊 / 出版社 / 媒体人员。
2025-04-01 14:09:09
1073
原创 AIDD-人工智能药物设计-AI从零设计抗菌肽，对抗耐药菌还有清除生物膜超能力！
过去，自组装肽（SAFP）因其结构多变、合成简单、生物相容性好，被广泛用于组织工程、药物递送等领域。策略，能够在少量实验数据的基础上，高效预测肽段的抗菌能力，并在模拟中引入11种N端自组装修饰，极大拓展了设计空间。最终选出的新型SAFP（如octa-p2），与已知抗菌肽序列相似度极低，却依然在实测中表现出强效抗菌性！在抗生素滥用引发耐药危机的当下，我们亟需更安全、更智能的抗菌策略。更令人兴奋的是，这些肽段不仅能对抗大肠杆菌、金黄色葡萄球菌等常见菌株，甚至在。，为下一代抗菌药物设计打开了新的大门！
2025-03-26 17:44:40
1311
原创 AIDD-人工智能药物设计-AI+生物：从头设计功能性自组装肽
自组装肽通过分子设计和非共价相互作用实现自组装，形成稳定的纳米结构。这些纳米结构在药物递送、组织工程和生物传感器等领域具有广泛的应用前景。通过分子动力学模拟和实验表征，可以进一步优化自组装肽的设计，提高其性能和应用效果。LASAP1通过计算机辅助设计，结合了多种功能，包括靶向性、酸性微环境响应和酶响应。这些功能使LASAP1能够自组装成稳定的纳米颗粒，实现高效的药物递送和抗肿瘤效果。这种设计为开发新型自组装肽药物提供了重要的参考。
2025-03-26 17:40:07
1009
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人