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。