我国发布了血管芯片国家标准，规范了相关术语、外观、性能及生物相容性等指标，推动多器官芯片标准体系的完善。这将促进血管芯片在药物筛选和毒理评价等领域的应用，解决传统动物实验的种属差异问题，增强我国在生物医学领域的竞争力。
随着生物检测和计算建模技术的发展，科研数据生产能力迅速提升，但知识整合能力滞后。为此，研究团队开发了Robin多智能体系统，实现了科学假设生成与实验数据分析的闭环工作流。该系统在药物筛选中表现出色，验证了其在干性年龄相关性黄斑变性治疗中的应用潜力，展示了AI在生命科学研究中的新方向。
清华大学团队研发的DrugCLIP平台实现基因组级药物虚拟筛选，24小时内完成10万亿次计算，显著提升药物筛选效率。该平台成功筛选出抑郁症和癌症等疾病的潜在药物分子，首次覆盖人类基因组规模，推动新药发现。
中国科学院与四川大学华西医院的研究人员开发了PRnet，一种深度生成模型，能够预测新化学扰动对转录的影响。PRnet在药物筛选中表现出色，成功识别出针对小细胞肺癌和结直肠癌的新候选化合物，并推荐了233种疾病的候选药物，为基因治疗筛选提供了有力工具。
蛋白质是生命的基础，其动态结构对药物研发非常重要。AlphaFold 可以预测蛋白质的静态结构，但无法预测动态变化。上海交大郑双佳团队开发了 DynamicBind 模型，结合深度学习和几何神经网络技术，能够动态调整蛋白质构象，提高药物筛选的准确性。该模型在国际药物筛选大赛中表现出色，能识别隐藏结合位点，为药物研发提供了新方法。研究成果发表在《Nature Communications》上。
完成下面两步后，将自动完成登录并继续当前操作。
