随着单细胞转录组数据规模的快速增长，基于大规模预训练的基础模型正在成为网络生物学的重要工具。然而，模型规模的提升也带来了计算资源消耗的显著增加，限制了其在实际研...

脂质纳米颗粒（LNP）是目前最重要的mRNA递送载体之一，但如何实现组织特异性递送仍然是关键挑战。尽管已有研究通过调控脂质结构改善递送性能，但离子化脂质的三维空...

X射线断层成像在医学和科学研究中被广泛应用，但在低剂量或数据稀缺条件下，图像退化严重，成为可靠分析的重要障碍。现有方法通常针对特定模态或预定义退化过程设计，因此...

肽合成过程中发生的聚集是长期困扰化学合成领域的关键问题，会显著降低合成效率与成功率。尽管已有数据驱动方法用于解析序列相关现象，但针对固相肽合成中“非随机困难偶联...

在分子建模与材料模拟中，长程相互作用对于准确描述体系性质至关重要，但现有机器学习力场通常依赖局部信息，难以有效建模远距离相互作用。研究人员提出了一种新的注意力机...

心脏磁共振成像（cardiac MRI）能够提供丰富的结构和功能信息，是心血管疾病评估的重要工具。然而，深度学习模型通常依赖大量人工标注数据，并且难以在不同医院...

碳水化合物在生物体系中发挥着关键作用，但由于其高度分支结构和复杂构象，自由构建三维模型一直具有较高难度。研究人员开发并更新了 GLYCAM-Web 平台，用于自...

临床试验中心和研究者的选择过程往往效率低下，导致受试者招募不足、人群代表性差以及高昂的时间成本。研究人员开发了一种名为 DocTr 的跨模态深度学习框架，用于自...

计算模型与真实实验结果之间的差距一直是蛋白工程中的主要挑战。研究人员提出了一种可扩展的蛋白设计框架——ORI（Ontology Reinforcement It...

Levin, N., Saylan, C.C., Lapin, J. et al. Integration of alternative fragmentati...

通用生物人工智能是一种新的研究方向，目标是构建能够统一建模生命信息流的人工智能系统，即从DNA到RNA、蛋白质，再到细胞功能的全过程。研究人员认为，随着生成式人...

生成式分子设计模型在药物发现和材料设计中展现出巨大潜力，但通常需要大量训练样本才能学习有效的化学分布，这在真实应用中往往难以满足。特别是在目标特定分子设计任务中...

多相催化反应通常由复杂的多步反应网络组成，不同反应路径之间存在竞争关系，因此理解完整反应机理对于预测催化活性和选择性至关重要。传统方法依赖研究人员基于经验提出反...

近年来，多家AI生物技术初创公司不断展示由人工智能辅助完成的抗体发现成果，并宣称该技术具有改变行业格局的潜力。然而，大多数核心模型仍未公开，缺乏统一基准测试，使...

生成式模型已经能够设计具有功能的DNA、RNA和蛋白质序列，但这些设计往往难以在实验中大规模合成，从而限制了模型在真实生物工程中的应用。研究人员提出一种“制造感...

现代生物学研究越来越依赖高维度数据，例如单细胞RNA测序数据，这类数据包含大量潜在的生物学信息，但同时也带来了巨大的分析复杂度。由于可能的分析路径数量庞大，研究...

研究人员指出，目前对大型语言模型在临床中的评估主要依赖静态数据集和孤立任务，这种方式无法反映真实医疗环境中决策所带来的连锁影响。为此，研究人员提出一种临床环境模...

粗粒化分子动力学能够在较低计算成本下模拟大尺度分子体系，但传统粗粒化模型通常需要大量全原子模拟数据进行参数化，并且难以同时保证动力学与热力学性质的准确性。研究人...

基因注释是理解基因组序列功能的关键步骤，但现有方法在处理复杂的基因进化模式和长距离序列依赖时仍存在明显局限。研究人员提出ANNEVO，一种基于混合专家架构的基因...

在心理健康医疗中，临床治疗高度依赖治疗师与患者之间的对话，而训练有素的临床人员数量有限，导致服务供给长期不足。大语言模型在医疗领域展现出潜力，但其在真实患者交互...