蛋白质变构调控是生命体系中信息传递与能量转换的核心机制，而构建人工变构蛋白一直是合成生物学的重要目标。研究人员发现，由机器学习设计的最小配体结合结构域，即使不发...

过量吉布斯自由能是描述液体混合物热力学性质的核心物理量，是计算活度系数以及相平衡行为的基础。然而，仅从分子结构出发准确预测该量，一直是热力学与化学工程中的长期挑...

本文介绍一篇来自浙江大学侯廷军和康玉教授团队联合澳门理工大学刘焕香教授团队发表在Nature Communications的研究论文，题为 “LaMGen: L...

药物分子的结构优化，尤其是提升其针对特定靶点的活性，是化学与药物研发中的核心难题之一。研究人员利用化学语言模型在序列数据学习方面的优势，提出了一种模拟真实药物研...

同源性检索是现代分子生物学识别序列祖先与功能的基石，经历了从BLAST等传统启发式搜索到Foldseek等结构比对方法的演进。然而，该领域仍面临两大核心...

2026年3月17日，杜克大学法学院的Arti K. Rai与波士顿大学法学院的Janet Freilich在《Nature Biotechnology》上发表...

过去五年，基于深度学习（Deep Learning, DL）的从头分子生成方法迎来爆发式增长，仅报道的新方法就接近200种。代表性工作包括：

研究人员提出了一种整合多种计算方法的策略，用于在全蛋白组尺度上预测蛋白–蛋白相互作用，并构建功能网络。该方法融合了三类互补信息来源：基于三维结构的PrePPI方...

研究人员提出了一种名为 Sequence Display 的新型实验平台，可在单次实验中生成大规模蛋白序列–活性数据集。该方法通过将蛋白变体的功能活性编码为相邻...

单序列蛋白结构预测因无需依赖同源信息而具有重要应用价值，但其精度长期受限。研究人员提出TDFold，一种基于二维几何模板扩散的新方法，通过生成高质量的残基间几何...

Fadini, A., Li, M., McCoy, A.J. et al. AlphaFold as a prior: experimental struct...

蛋白语言模型产生的嵌入表示已成为连接序列与结构、功能等生物学任务的重要桥梁，但这些表示本身的可靠性长期未被系统评估。研究人员提出一种模型无关的方法，用于量化蛋白...

随着大语言模型驱动的智能体不断发展，其在自动化复杂任务和科学数据探索中的潜力日益凸显，但在生物医学数据分析领域仍受限于多工具调用和多步骤推理的复杂性。研究人员提...

计算辅助分子设计（Computational-Aided Molecular Design, CAMD）正在从"经验驱动"走向"数据驱动"。图神经网络（GNN）...

近年来，AI 驱动的蛋白质结构预测取得了里程碑式的进展。当前主流方法可归为两大范式：

研究人员提出了首个面向乳腺超声影像分析的基础生成模型 BUSGen，该模型在超过350万张乳腺超声图像上进行预训练，学习了丰富的乳腺解剖结构、病理特征以及临床变...

研究人员提出了一种基于血浆蛋白质组学的深度联合学习模型 ProtAIDe-Dx，用于同时诊断与痴呆相关的六种疾病。该模型基于超过17,000名个体的数据进行训练...

同源性搜索在计算生物学中具有基础性作用，它能够帮助研究人员识别生物序列之间的进化关系和功能相似性。然而，随着生物数据库规模的爆炸式增长，现有方法在效率和精度之间...

过去十年，图神经网络（GNN）和消息传递神经网络（MPNN）在学习图结构数据方面取得了突破性进展，成为分子物理、社会科学和经济学建模多体相互作用的主流工具。在分...

空间转录组技术为在组织原位解析基因表达提供了重要手段，但如何将二维切片数据整合为三维结构仍然是核心挑战。空间对齐，即基于空间坐标和基因表达信息对多个组织切片进行...