深度学习在药物发现中常因“分布外”（OOD）分子而失效——模型对结构新颖的分子预测不可靠，却可能给出高置信度的错误答案。如何让模型知道自己“没见过”某个分子？2026年《Nature Machine Intelligence》的一项研究给出了答案：不熟悉度（Unfamiliarity）。作者提出联合分子模型（JMM），通过分子SMILES的自编码重构损失量化陌生感，并结合谱聚类主动划分OOD测试集

CD-HIT是一款高效的生物序列聚类工具，通过贪心算法和局部敏感哈希快速将相似序列分组。它通过设置相似度阈值（如0.4-0.9）来降低数据冗余，在蛋白质相互作用预测中尤为重要，能防止模型通过记忆相似序列而非学习互作模式导致的评估偏差。

DrugBank是一个综合性的生物信息学和化学信息学数据库，专门收录药物和靶点的详细信息。它由加拿大阿尔伯塔大学的Wishart 研究组维护，提供化学、药理学、相互作用、代谢、靶点等多方面的药物数据。DrugBank 结合了实验数据和计算预测，广泛应用于药物研发、精准医疗、生物信息学研究等领域。

组织类型（54）：GTEx数据库简介（1） - 知乎 (zhihu.com)TCGA、ICGC、GTEx 数据库都是啥？- 知乎 (zhihu.com)GTEx:基因型和基因表达量关联数据库-CSDN博客。

在AI for Science领域，一项来自新加坡国立大学的研究重磅登陆《自然·通讯》，为蛋白质-蛋白质相互作用预测带来了范式转变。传统单链蛋白质语言模型（如ESM2）虽强，却像是训练“独行侠”，无法从根本上理解两个蛋白如何协同工作。为此，研究者提出了 PPLM​ —— 一个开创性的蛋白质配对语言模型。PPLM的核心革命在于其联合编码的预训练方式。它通过独创的混合链内/链间注意力机制，在模型底层就

不再满足于看懂单个蛋白质，新一代蛋白质语言模型MINT通过跨链注意力机制，直接从海量序列中学习蛋白质之间如何“握手”与“交谈”，在抗体设计、癌症突变解读、病毒免疫逃逸预测等领域大放异彩。

在AI for Science领域，一项来自新加坡国立大学的研究重磅登陆《自然·通讯》，为蛋白质-蛋白质相互作用预测带来了范式转变。传统单链蛋白质语言模型（如ESM2）虽强，却像是训练“独行侠”，无法从根本上理解两个蛋白如何协同工作。为此，研究者提出了 PPLM​ —— 一个开创性的蛋白质配对语言模型。PPLM的核心革命在于其联合编码的预训练方式。它通过独创的混合链内/链间注意力机制，在模型底层就

AAindex是一个包含氨基酸理化特性数值指标的数据库，分为AAindex1（氨基酸指标）、AAindex2（突变矩阵）和AAindex3（蛋白质接触势）三部分。aaindex软件包提供轻量级访问AAindex1数据的功能，无需额外安装库。使用方法简单：安装后通过Python代码即可获取氨基酸指标数据，并支持转换为DataFrame格式进行排序和保存。目前仅支持AAindex1，未来将扩展支持其他

（1）阅读相关文档（2）Anaconda 安装（3）pip install torch出现如下的错误：依据提示添加了各种channels，但还是失败，然后想到了手动下载torch安装包，还是出错：于是乎，重新安装anaconda并新建环境安装annaconda下载链接：Anaconda | Individual Editionhttps://www.anaconda.com/products/in

研究团队开发了一款名为DP-Site的AI工具，仅需分析蛋白质的氨基酸序列（“设计图”），就能精准锁定小分子药物的潜在“靶点”。DP-Site的核心创新在于其 “双专家会诊”模式。一位是“图像专家”，擅长分析序列的局部结构特征；另一位是“语义专家”，擅长理解序列的全局上下文信息。两者协同工作，使其预测综合性能（F1分数）达到0.661，超越此前所有方法。