百曜科技发布了全球首个基于LLM-JEPA架构的AI虚拟细胞模型AURA CellOS，覆盖40余种人体组织和260余种细胞类型。该模型在细胞状态预测和扰动响应方面表现优异，显著提升细胞研究效率，可能改变新药研发方式。尽管面临数据稀缺和模型可解释性挑战，AURA CellOS的商业化潜力巨大，未来将成为新药研发的重要基础设施。
研究人员提出了一种名为Logos的蛋白质设计策略，旨在靶向天然无序蛋白（IDPs），以加速新药研发。该方法通过诱导契合结合策略，设计出适应多种无序氨基酸序列的结合蛋白，为癌症和阿尔茨海默症的治疗提供新靶点。
David Baker及其团队提出了一种名为Logos的蛋白质设计策略，专注于靶向天然无序蛋白质区域。该策略利用RFdiffusion模型，设计能够结合多种无序氨基酸序列的结合蛋白，推动新药研发，尤其在癌症和阿尔茨海默症领域。研究成果发表在《Science》上，展示了对无序蛋白靶点的广泛识别潜力。
麻省理工学院的研究人员开发了ChemXploreML，这是一款用户友好的桌面应用程序，利用机器学习预测分子属性，无需深厚的编程技能。该应用程序能够自动将分子结构转化为数值语言，并通过直观界面快速预测熔点、沸点等属性，旨在加速新药和材料的研发。ChemXploreML可离线使用，确保研究数据的保密性，并具备未来技术的整合能力。
人工智能与合成生物学的结合推动生物分子在数据存储中的应用，生物系统与半导体技术的融合有望在新药研发和生物计算等领域取得突破，生物智能可能超越传统计算，促进生命科学的发展。
AAAI 2025会议将举办AI蛋白质设计教程，由Mila、东北大学和MIT的学者主办，探讨AI在蛋白质序列、结构和功能预测中的应用，助力新药研发与生物技术创新。教程内容包括蛋白质表示学习、结构预测和设计方法，适合具备机器学习基础的参与者。
人类与疾病的斗争持续，新药研发历程丰富。从吗啡到阿司匹林，药物合成技术不断进步。21世纪，AI技术推动药物发现，Cellarity与英伟达提出的MOLRL方法在靶向分子优化中表现优异，提高了研发效率。
华中师范大学的研究团队开发了名为DigFrag的AI方法，能够生成结构多样性更高的药物片段，提升新药研发的效率。该研究发表在《自然通讯化学》上，展示了AI在药物发现中的潜力。
美国医疗系统正在使用AI技术的数字健康代理来提升研究和临床。NVIDIA的NIM微服务和NIM Agent Blueprints支持AI模型在医学图像分析和新药研发中的应用。国家癌症研究所等机构利用这些工具加速药物发现和数据提取。NIM技术通过云服务广泛提供，帮助研究人员提高效率并降低成本。
上海人工智能周六聚会将于7月3日在五原路380号举行，邀请明码生物科技联合创始人费家俊分享《新药研发中的人工智能》。欢迎大家参加，无需报名。感谢交大书院提供场地。
完成下面两步后，将自动完成登录并继续当前操作。
