研究发现，在1170种抗衰老化合物中，仅有5种有效，主要假阳性源于细胞异常信号。炎症、增殖抑制和细胞周期阻滞是导致错误判断的主要因素。PDE4抑制剂Rolipram表现最佳，研究强调需改进筛选机制，以减少假候选，推动抗衰老药物的真实发现。
Axcelis Technologies, Inc.将成为2026年亚洲化合物半导体大会的钻石级赞助商，会议定于3月24日至27日在上海举行。Axcelis的CEO Russell Low和全球应用总监Hongchen Zhao将发表演讲，介绍离子注入系统的关键应用。
机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。
麻省理工学院的研究人员利用人工智能设计了新型抗生素，针对耐药性淋病奈瑟菌和耐多药金黄色葡萄球菌（MRSA）。他们生成了超过3600万个化合物，筛选出具有抗菌特性的候选药物，这些新药通过干扰细菌细胞膜的合成发挥作用，展示了AI在药物设计中的潜力。
本研究提出了一种人工智能引导的抗生素发现管道，以应对抗生素耐药性危机。通过结构聚类分析病原体的预测蛋白组，识别重要靶标，并评估六种3D结构生成模型的实用性，为抗生素开发提供参考和蓝图。
该研究提出了EquiCPI，这是一个结合结构建模和SE(3)等变神经网络的几何深度学习框架，旨在提高化合物-蛋白质相互作用预测的准确性。EquiCPI在BindingDB和DUD-E评估中表现优异，超越了现有的深度学习方法。
浙江大学研究团队提出Delete模型，结合生成人工智能与结构优化，提高药物设计效率。该模型有效优化先导化合物，生成高效结合分子。实验表明，Delete设计的抑制剂CA-B-1在抗肿瘤方面表现优异，显示出在药物发现中的潜力。
英国雷丁大学研究团队开发了CrystaLLM，一种基于自回归大型语言模型的晶体结构生成方法。该模型通过数百万个晶体学信息文件（CIF）训练，能够为未见过的无机化合物生成合理的晶体结构，突破了传统高计算成本的限制，展示了机器学习在材料科学中的潜力，未来可用于材料发现和物理性质预测。
生成式AI技术正在改变药物研发，微软与GHDDI合作开发的TamGen平台利用化学语言模型精准生成新分子，已发现14种对结核杆菌有效的化合物。TamGen提升了药物设计的效率与成功率，未来将整合更多技术以优化药物特性。
本研究解决了药物发现和材料设计中水溶性预测的关键问题。通过简单确定性图论描述符和多重线性回归 (MLR) 的创新性结合，提出了一种新的统一方法，实现了高精度的水溶性预测，准确率达到了[0.7191, 0.9377]。该方法为理解化合物水溶性提供了新的思路，减少了对复杂化学描述符和计算代价高的机器学习模型的依赖。
利用深度学习构建的新型机器学习模型在多种输入数据分类任务中表现出高预测能力，特别是在化合物和材料数据集上。在Tox21数据集上实现了96%的平均准确率，比之前最好结果提高了10%。
一项研究发现，全球合作可以逆转人类活动的有害影响。英国布里斯托大学的研究人员发现，2021年至2023年间，大气中的HCFCs排放量下降了1%，首次检测到该化合物存在量的下降。研究还表明，HCFCs的使用在2021年达到峰值，比原计划提前了近五年。这项研究证明了国际协议的重要性，蒙特利尔议定书的成功为全球合作提供了一个概念证明。
当前药物发现的生成模型主要使用分子对接来评估生成化合物的质量，但这种模型在实践中往往无用，因为即使具有较高对接分数的化合物也未必总是显示实验活性。我们提出了一种多保真度的方法，Multi-Fidelity Bind (MFBind)，以实现准确性和计算成本之间的最佳权衡。MFBind...
NASA在最近的任务中遇到了挫折。旅行者1号失去了通信，但可能仍在运行。机智号火星直升机坠毁，任务结束。毅力号探测车的激光发生故障，影响了岩石分析。NASA正在调查并增加伺服电机的功率。SHERLOC仪器无法收集光谱数据。
本研究使用IntAct PPI数据库创建了一个远程监督的数据集，利用PPI-BioBERT-x10训练集成的BioBERT模型预测蛋白质对之间的PTMs，并提出了置信度校准的方法进行过滤和人工筛选。通过利用多篇文章进行预测，提高了预测的精度和可靠性。研究探讨了深度学习方法在文本挖掘中的应用和局限性，并强调了在人工筛选过程中置信度校准的重要性。
本文研究了化合物的追溯合成，通过逐步分解化合物为分子前体，找到商业可获得的分子，提供合成路径。发现了单步表现与合成路线成功之间的断裂，并展示了单步模型对多步合成规划成功率的重要影响。
完成下面两步后，将自动完成登录并继续当前操作。
