参考文献：Mullowney, M. W., Duncan, K. R., Elsayed, S. S. et al. Artificial intellige...

2020年3月11日，世界卫生组织正式宣布新冠为全球大流行。就在同一天，一篇论文上线，它报告了用深度学习方法对13亿个化合物进行虚拟筛选、锁定新冠主蛋白酶潜在抑...

本文由 Jonathan M. Stokes 团队（麦克马斯特大学，抗生素发现领域的领军机构）发表于 Nature Chemical Biology，系统梳理了...

传统人工智能已经在识别关联关系和预测模式方面取得了显著成就，但其在因果推理方面的局限，仍然阻碍其应对需要深层专业知识的复杂临床问题。大型推理模型的出现，为人工智...

朊病毒和朊病毒样蛋白通常与蛋白质错误折叠相关，但具有淀粉样形成倾向的序列也可能参与宿主防御。研究人员使用深度学习方法，从2,897个经过整理的朊病毒相关蛋白中筛...

理解蛋白质结构架构，并预测其在发生深度重构时对结构扰动的耐受性，是功能蛋白质工程中的关键问题。研究人员提出了SplitSeek-Pro，这是一种深度学习模型，能...

大型语言模型在医学领域展现出重要潜力，许多研究通过在医学数据上继续预训练或微调来提升其医学能力。然而，一个关键问题仍未得到充分回答：大型语言模型在多大程度上会记...

大语言模型（LLMs）正在快速发展，并在医疗健康领域展现出巨大潜力。然而，目前大多数医学基准测试主要基于医学考试题目或PubMed文献文本，难以反映真实临床环境...

基因—环境互作（Gene–Environment Interaction，G×E）研究对于揭示复杂性状的遗传机制、解释缺失遗传力以及推动精准医学发展具有重要意义...

蛋白质是绝大多数生物学过程的直接执行者，因此蛋白质组学对于理解疾病机制和细胞功能具有不可替代的重要价值。然而，相较于RNA测序技术，蛋白质定量检测成本更高、覆盖...

过渡态（Transition State，TS）是理解化学反应机理的关键，但由于其寿命极短且难以通过实验直接观测，传统量子化学计算又十分昂贵，因此高效预测过渡态...

多模态基础模型在医学图像解读领域表现出令人瞩目的能力，但关于这些模型如何整合图像与文本信息，以及两种模态在决策过程中各自发挥的作用，仍缺乏深入理解。研究人员利用...

Vishwanath, K., Alyakin, A., Ghosh, M. et al. General-purpose large language mod...

对比语言—图像预训练（CLIP）模型依托数十亿规模的自然图像—文本配对数据训练，在零样本学习和跨模态理解方面展现出强大的能力。然而，将这类模型应用于生物医学领域...

抗体药物已成为现代生物医药领域最成功的治疗平台之一，从传统单克隆抗体到纳米抗体、双特异性抗体和多特异性抗体，其应用范围覆盖肿瘤、免疫疾病、感染性疾病以及诊断领域...

蛋白–配体结合亲和力预测是结构生物学与药物设计中的核心问题。然而，现有方法大多依赖高精度三维结构坐标，对晶体结构分辨率、实验误差以及预测结构质量高度敏感。当使用...

大型语言模型在医学领域展现出重要潜力，许多研究通过在医学数据上继续预训练或微调来提升其医学能力。然而，一个关键问题仍未得到充分回答：大型语言模型在多大程度上会记...

做新药的人都知道一句行话：候选药物不是死于无效，就是死于不安全。而在这两者之中，安全性问题一直是药物研发管线折戟的主要原因之一。

大语言模型（LLMs）正在快速发展，并在医疗健康领域展现出巨大潜力。然而，目前大多数医学基准测试主要基于医学考试题目或PubMed文献文本，难以反映真实临床环境...

基因—环境互作（Gene–Environment Interaction，G×E）研究对于揭示复杂性状的遗传机制、解释缺失遗传力以及推动精准医学发展具有重要意义...