In fact, the business plans of the next 10,000 startups are easy to forecast: Take X and add AI. Find something that can be made better by adding online smartness to it-Kevin Kelly, The Inevitabl...

全球人工智能(Artificial Intelligence, AI)在药物发现中的应用，按应用（候选新药、药物优化和再利用、临床前试验和批准、药物监测、寻找新的疾病相关靶标和通路、了解疾病机制、聚集和综合信息、形成和鉴定假设、新药设计、寻找旧药的药物靶标和其他）、技术（机器学习、深度学习、自然语言处理和其他）、药物类型（小分子和大分子）、服务（软件和服务）、适应症（免疫肿瘤学、神经变性疾病、心脏

基于深度学习的人工智能（AI）模型现在代表了基因组学研究中进行功能预测的最先进水平。然而，模型预测的基础往往是未知的。对于基因组学研究人员来说，这种缺失的解释性信息往往比预测本身更有价值，因为它可以使人们对遗传过程有新的认识。作者回顾了可解释人工智能（xAI）新兴领域的进展，以启发生命科学研究人员对复杂深度学习模型的洞察力。之后，作者分类讨论了模型解释的方法，包括直观地理解每种方法的工作原理及其在

基于人工智能(AI)的蛋白结构预测工具合集(AlphaFold2, RoseTTAFold, OpenFold, Uni-Fold, HelixFold, ESM-Fold, OmegaFold等)

本文介绍如何利用人工智能（AI）最新的进展重塑临床试验设计的关键步骤，以提高临床试验成功率。名词AI：Artificial Intelligence，人工智能Association rule mining：关联规则挖掘BMI：Brain–machine interface，脑机接口DL：Deep learning，深度学习DRL：Deep reinforcement...

人工智能和机器学习已经证明了其在预测化学性质和小分子合成设计中的潜在作用。数据驱动的合成路线设计是由MLPDS(Machine Learning for Pharmaceutical D...

疫情高峰期，研究人员竞相开发一些首批有效的COVID-19治疗方法：从已经康复的人的血液中分离出来的抗体分子。现在，科学家已经证明，生成式人工智能（AI）可以通过一些繁琐的过程提供捷径，提出增强抗病毒（如SARS-CoV-2和埃博拉病毒）抗体效力的序列。上周在《自然·生物技术》杂志上发表的一项研究是日益增长的努力的一部分，这些努力是应用类似于ChatGPT人工智能平台背后的“神经网络”来进行抗体设

今天为大家介绍的是来自Gerard J. P. van Westen, Anna K. H. Hirsch, Roger G. Linington, Serina L. Robinson和Marnix H. Medema团队的一篇药物发现综述。计算组学技术的发展为我们提供了新的方法工具，用以挖掘天然产物的隐藏多样性，为药物发现提供新的可能性。与此同时，人工智能方法，如机器学习，也在计算药物设计领域

今天为大家介绍的是来自Ali Madani团队的一篇论文。基于注意力机制的模型在蛋白质序列的分类和生成任务中展现出了惊人的成功，这些任务对于人工智能驱动的蛋白质设计至关重要。然而，我们对于大规模模型和数据在有效蛋白质模型开发中所扮演角色的理解仍然不足。作者引入了一套名为ProGen2的蛋白质语言模型，模型的规模扩大到了64亿参数，并且在从基因组、宏基因组和免疫库数据库中提取的超过十亿蛋白质的不同序

摘要过去的十年中，深度学习（deeplearning, DL）方法已经非常成功并广泛用于开发几乎每个领域的人工智能（AI）。与传统的机器学习（machine learning, ML）算...