Nutzen Sie Die Goldene Ära Von „KI + Biomedizin“ Und Ziehen Sie Bilanz Über Die Bemerkenswertesten Disruptiven Errungenschaften Im Jahr 2024
Im vergangenen Jahr hat die KI weltweit eine Welle des Wandels ausgelöst, insbesondere im biomedizinischen Bereich.
KI-Systeme wie AlphaFold können die dreidimensionale Struktur von Proteinen mit beispielloser Genauigkeit vorhersagen und bieten so revolutionäre Werkzeuge zum Verständnis der Proteinfunktionen und zur Entwicklung zielgerichteter Medikamente. Im Bereich der Arzneimittelforschung und -entwicklung kann KI nicht nur Arzneimitteleigenschaften auf der Grundlage umfangreicher Arzneimitteldaten vorhersagen, sondern auch neue Arzneimittel entwerfen und den Zyklus der Arzneimittelforschung und -entwicklung vom Labor bis zur Klinik verkürzen. Gleichzeitig kann KI auch aus riesigen Mengen genetischer Sequenzierungsdaten präzise Informationen extrahieren, Genmutationen schnell identifizieren und Forschern dabei helfen, krankheitsbedingte Genmutationen zu identifizieren. Darüber hinaus kann KI auch den Zelldifferenzierungsprozess optimieren und die Entwicklung großer Zellmodelle fördern …
Mit der Verleihung des Nobelpreises für Chemie 2024 an die Bereiche computergestütztes Proteindesign und Proteinstrukturvorhersage wurde die revolutionäre Rolle der KI im Bereich der Biomedizin erneut weltweit anerkannt.
In diesem Artikel konzentriert sich HyperAI auf die neueste Forschung zur KI im Bereich der Biomedizin und wählt für die Leser 46 hochaktuelle Artikel aus, die zwischen 2023 und 2024 interpretiert wurden.Diese Artikel decken international renommierte Konferenzen/Zeitschriften ab, wie etwa CVPR 2024, ICLM 2024, ACL 2024, Nature usw., und die Forschungseinheiten sind über Spitzenuniversitäten und -institutionen im In- und Ausland verteilt, darunter Microsoft Research, DeepMind, Massachusetts Institute of Technology, University of California, Chinesische Akademie der Wissenschaften, Tsinghua-Universität, Fudan-Universität, Peking-Universität, Zhejiang-Universität, Shanghai Jiaotong-Universität, Shanghai Artificial Intelligence Laboratory usw.
Klicken Sie unten auf den Titel des Dokuments oder die chinesische Interpretation, um zur Seite mit der Interpretation des Dokuments zu gelangen. Ich hoffe, es wird Ihnen hilfreich sein.
Weitere Einzelheiten zu den neuesten Errungenschaften im Bereich KI und Biomedizin finden Sie unter:
https://github.com/hyperai/awesome-ai4s
01
Titel des Artikels:Präzises De-novo-Design von hochaffinen Protein-bindenden Makrozyklen mittels Deep Learning, 2024.11
Chinesische Interpretation:David Bakers neueste Arbeit! De novo-Design des makrozyklischen Peptidbindergerüsts RFpeptide bietet neue Möglichkeiten für nicht medikamentös behandelbare Proteine
Forschungsinhalte:Das Team von David Baker hat eine neue, auf Diffusionsmodellen basierende Technologie namens RFpeptides entwickelt, die speziell für die Entwicklung hochaffiner makrozyklischer Bindemittel für eine Vielzahl von Proteinzielen konzipiert ist.
02
Titel des Artikels:BioCLIP: Ein Vision Foundation-Modell für den Baum des Lebens, 2024.02
Chinesische Interpretation:Beste Studentenarbeit bei CVPR! Ein großer Datensatz mit 10 Millionen Bildern und über 450.000 Arten: Das multimodale Modell BioCLIP ermöglicht Zero-Shot-Learning
Forschungsinhalte:Die Ohio State University, Microsoft Research, die University of California, Irvine, das Rensselaer Polytechnic Institute und andere haben TreeOfLife-10M veröffentlicht, den bislang größten und vielfältigsten biologischen Bilddatensatz, der für maschinelles Lernen geeignet ist, und BioCLIP entwickelt, ein grundlegendes Modell des Lebensbaums. Dieses Modell nutzt die vielfältigen biologischen Bilder von Pflanzen, Tieren und Pilzen in TreeOfLife-10M voll aus und seine Leistung ist bei einer Vielzahl feinkörniger biologischer Klassifizierungsaufgaben deutlich besser als bestehende Methoden.
03
Titel des Artikels:Y-Mol: Ein multiskaliges biomedizinisches wissensbasiertes Großsprachenmodell für die Arzneimittelentwicklung, 2024.10
Chinesische Interpretation:Erste! Vier große Universitäten haben gemeinsam Y-Mol ins Leben gerufen, ein großes Sprachmodell für die Arzneimittelforschung und -entwicklung, wobei die Gesamtleistung LLaMA2 anführt
Forschungsinhalte:Forschungsteams der Hunan University, der Central South University, der Hunan Normal University und der Xiangtan University haben gemeinsam ein großes Sprachmodell Y-Mol vorgeschlagen, das auf biomedizinischem Wissen auf mehreren Ebenen basiert und auf verschiedene Textkorpora und Anweisungen abgestimmt werden kann, wodurch die Leistung und das Potenzial des Modells in der Arzneimittelforschung und -entwicklung verbessert werden.
04
Titel des Artikels:Pfadentwicklung durch eine Strategie zur Engpassbeseitigung und -beseitigung und durch maschinelles Lernen unterstützten Flussausgleich, 2024.02
Chinesische Interpretation:Neuer Durchbruch in der synthetischen Biologie! Das Team von Luo Xiaozhou von der Chinesischen Akademie der Wissenschaften entwickelte das maschinelle Lernframework ProEnsemble: Optimierung der Promotorkombination von Evolutionspfaden
Forschungsinhalte:Das Institute of Synthesis an den Shenzhen Institutes of Advanced Technology der Chinesischen Akademie der Wissenschaften kombinierte Automatisierung und das ProEnsemble-Framework für maschinelles Lernen, um die technischen Barrieren der evolutionären Unsicherheit in Stoffwechselwegen zu überwinden und den Sprung von der Produktion von Naringenin im Labor zur Produktion im industriellen Maßstab zu schaffen. Sein universelles Chassis ermöglicht die erfolgreiche Synthese von Flavonoidverbindungen mit hoher Ausbeute.
05
Titel des Artikels:Deep Learning-gestützte automatisierte mehrdimensionale Einzelpartikelverfolgung in lebenden Zellen, 2024.03
Chinesische Interpretation:Einzelpartikelverfolgung im Nanomaßstab: Fang Nings Team an der Xiamen-Universität nutzt KI, um „Rock in the Cell“ zu spielen
Forschungsinhalte:Auf der Grundlage von Deep Learning hat das Team von Professor Fang Ning an der Universität Xiamen ein automatisiertes, schnelles, mehrdimensionales Einzelpartikel-Tracking-System (SPT) entwickelt, das die Beschränkungen des Nanopartikel-Rotations-Trackings in zellulären Mikroumgebungen durchbricht.
06
Titel des Artikels:AlphaFold trifft Flow Matching zur Generierung von Proteinensembles, 2024.06
Chinesische Interpretation:Ausgewählt für ICML! MIT-Team erzielt neuen Durchbruch auf Basis von AlphaFold und enthüllt die dynamische Vielfalt von Proteinen
Forschungsinhalte:Das MIT-Forschungsteam wählte AlphaFold und ESMFold aus und optimierte sie in einem benutzerdefinierten Flow-Matching-Framework, um sequenzbedingte Modelle zur Generierung von Proteinstrukturen namens AlphaFLOW und ESMFLOW zu erhalten.
07
Titel des Artikels:ProSST: Proteinsprachenmodellierung mit quantisierter Struktur und entwirrter Aufmerksamkeit, 2024.05
Chinesische Interpretation:Ein großer Durchbruch im PLM! Die neuesten Ergebnisse der Shanghai Jiao Tong University und des Shanghai AI Lab wurden für NeurIPS 24 ausgewählt. ProSST integriert effektiv Proteinstrukturinformationen
Forschungsinhalte:Ein Team der Shanghai Jiao Tong University hat ein vortrainiertes Proteinsprachenmodell (ProSST) mit strukturbewussten Fähigkeiten entwickelt, das Proteinstruktur- und Aminosäuresequenzinformationen effektiv integrieren kann und bestehende Modelle bei Aufgaben wie der Vorhersage der thermischen Stabilität, der Vorhersage der Metallionenbindung, der Vorhersage der Proteinlokalisierung und der Vorhersage von GO-Annotationen übertrifft.
08
Titel des Artikels:Cytochrom P450-Enzymdesign durch Einschränkung der katalytischen Tasche in einem Diffusionsmodell, 2024.07
Chinesische Interpretation:3,5-fache Erhöhung der katalytischen Kapazität! Das Team der Chinesischen Akademie der Wissenschaften entwickelte eine P450-Enzym-De-novo-Designmethode basierend auf dem Diffusionsmodell P450Diffusion
Forschungsinhalte:Das neue Enzymdesignteam des Tianjin Institute of Industrial Biotechnology der Chinesischen Akademie der Wissenschaften hat eine P450Diffusion-Methode für das De-novo-Design von P450-Enzymen basierend auf Diffusionsmodellen und Taschendesignprinzipien entwickelt.
09
Titel des Artikels:DePLM: Rauschunterdrückung von Proteinsprachenmodellen zur Eigenschaftsoptimierung, 2024.11
Chinesische Interpretation:Ausgewählt für NeurIPS 24! Das Team der Zhejiang-Universität schlug ein neues Denoising-Protein-Sprachmodell DePLM vor, das Mutationseffekte besser vorhersagt als das SOTA-Modell
Forschungsinhalte:Das Team der Zhejiang-Universität schlug ein neues, für Proteine optimiertes Denoising Protein Language Model (DePLM) vor. Die vom Proteinsprachenmodell erfassten evolutionären Informationen können als eine Mischung aus merkmalsbezogenen und irrelevanten Informationen betrachtet werden, wobei irrelevante Informationen als „Rauschen“ betrachtet und eliminiert werden. Das Modell verfügt über eine starke Generalisierungsfähigkeit.
10
Titel des Artikels:EquiPocket: ein E(3)-äquivariantes geometrisches Graph-Neuralnetzwerk zur Vorhersage von Ligandenbindungsstellen, 2024.07
Chinesische Interpretation:Ausgewählt für ICML! Das Team der Renmin-Universität nutzte das äquivariante Graph-Neuronale Netzwerk zur Vorhersage von Zielprotein-Bindungsstellen, wobei die größte Leistungsverbesserung bei 20% zu verzeichnen war.
Forschungsinhalte:Ein Forschungsteam der Gaoling School of Artificial Intelligence an der Renmin University of China hat erstmals das äquivariante Graph-Neuralnetzwerk (GNN) E(3) zur Vorhersage von Ligandenbindungsstellen angewendet und das EquiPocket-Framework vorgeschlagen, das für verschiedene nachgelagerte Aufgaben wie die Arzneimittelforschung hilfreich ist.
11
Titel des Artikels:DynamicBind: Vorhersage der ligandenspezifischen Protein-Ligand-Komplexstruktur mit einem tiefen äquivarianten generativen Modell, 2024.02
Chinesische Interpretation:Realisieren Sie eine dynamische Protein-Docking-Vorhersage! Die Shanghai Jiao Tong University/Xingyao Technology/Sun Yat-sen University und andere haben gemeinsam das geometrische Tiefengenerierungsmodell DynamicBind auf den Markt gebracht
Forschungsinhalte:Die Shanghai Jiao Tong University hat in Zusammenarbeit mit Star Pharma Technology, der Sun Yat-sen University School of Pharmacy und der Rice University in den USA ein geometrisches, tiefes generatives Modell namens DynamicBind vorgeschlagen, das für das „dynamische Docking“ von Proteinen entwickelt wurde. Diese Methode wurde durch Nassexperimente im internationalen Arzneimittel-Screening-Wettbewerb CACHE verifiziert und kann wettbewerbsfähige Leitsubstanzen für schwer medikamentös zu behandelnde Ziele zur Behandlung der Parkinson-Krankheit herausfiltern.
12
Titel des Artikels:Untersuchung der Konformationsensembles von Protein-Protein-Komplexen mit einem transformatorbasierten generativen Modell, 2024.05
Chinesische Interpretation:Koreanische Version von AlphaFold? Deep-Learning-Modell AlphaPPIMd: zur Ensemble-Erkundung von Protein-Protein-Komplex-Konformationen
Forschungsinhalte:Die Yonsei-Universität und ihre Partner kombinierten Deep Learning mit generativer KI, um das AlphaPPIMd-Modell zu konstruieren, das durch molekulardynamische Simulationen die Geheimnisse der Proteininteraktionen enthüllte.
13
Titel des Artikels:UniIF: Einheitliche inverse Molekülfaltung, 2024.05
Chinesische Interpretation:Ausgewählt für NeurIPS 2024! Die Westlake University hat das universelle molekulare Umkehrfaltungsmodell UniIF vorgeschlagen, das AlphaFold 3 weiter ergänzt.
Forschungsinhalte:Ein Team des Future Industries Research Center der Westlake University hat das UniIF-Modell für die inverse Faltung aller Moleküle vorgeschlagen, das bei zahlreichen Aufgaben wie Proteindesign, RNA-Design und Materialdesign Spitzenleistungen erzielt hat.
14
Titel des Artikels:Ein bedingtes Proteindiffusionsmodell erzeugt künstliche programmierbare Endonukleasesequenzen mit erhöhter Aktivität, 2024.09
Forschungsinhalte:Ein Team der Shanghai Jiao Tong University hat mit CPDiffusion ein Framework für Diffusionswahrscheinlichkeitsmodelle entwickelt, das die implizite Abbildungsbeziehung zwischen Protein-Sequenz, -Struktur und -Funktion mit sehr geringem Trainings- und Datenaufwand erlernen und so vielfältige Protein-Sequenzen erzeugen kann.
15
Titel des Artikels:ProtT3: Protein-zu-Text-Generierung für textbasiertes Proteinverständnis, 2023.05
Chinesische Interpretation:Ausgewählt für ACL 2024! Um eine modalübergreifende Interpretation von Proteindaten und Textinformationen zu erreichen, schlug das Team von Wang Xiang vom USTC das Protein-Text-Generierungsframework ProtT3 vor
Forschungsinhalte:Die University of Science and Technology of China hat in Zusammenarbeit mit der National University of Singapore und der Hokkaido University ein neues Protein-Text-Modellierungsframework namens ProtT3 vorgeschlagen. Dieses Framework kombiniert die modalitätsverschiedenen PLM- und LM-Verfahren durch einen kreuzmodalen Projektor und hat hervorragende Ergebnisse bei Proteinuntertiteln, Protein-Fragen-Antworten und Protein-Textabrufaufgaben erzielt.
16
Titel des Artikels:InstructProtein: Angleichung der menschlichen und Proteinsprache durch Wissensvermittlung, 2023.10
Chinesische Interpretation:Ausgewählt für die ACL2024-Hauptkonferenz | InstructProtein: Angleichung der Proteinsprache an die menschliche Sprache durch Wissensanweisungen
Forschungsinhalte:Ein Forschungsteam der Zhejiang-Universität hat InstructProtein vorgeschlagen, das Wissensanweisungen verwendet, um die Proteinsprache an die menschliche Sprache anzupassen und so die Fähigkeit demonstriert, biologische Sequenzen in große Sprachmodelle zu integrieren.
17
Titel des Artikels:ESM All-Atom: Multiskaliges Proteinsprachenmodell für einheitliche molekulare Modellierung, 2024.06
Chinesische Interpretation:Tsinghua AIR und andere wurden für ICML ausgewählt und veröffentlichten gemeinsam das Proteinsprachenmodell ESM-AA, das das traditionelle SOTA übertrifft
Forschungsinhalte:Ein gemeinsames Forschungsteam der Tsinghua-Universität, der Peking-Universität und der Universität Nanjing schlug ein mehrskaliges Proteinsprachenmodell ESM-AA vor, das seine Leistung bei Aufgaben wie der Ziel-Liganden-Bindung deutlich verbesserte.
18
Titel des Artikels:Sequenzmodellierung und -design vom molekularen bis zum Genommaßstab mit Evo, 2024.11
Chinesische Interpretation:Erleben Sie die Demo als Erster! Das genombasierte Modell Evo ist auf dem Cover von Science und ermöglicht Vorhersagen und Generierungen von der molekularen bis zur genomischen Ebene
Forschungsinhalte:Das Evo-Modell kann Genomsequenzen vorhersagen, generieren und entwerfen und soll in der Genomeditierung, Arzneimittelforschung, Krankheitsdiagnose, Landwirtschaft und anderen Bereichen Anwendung finden. Der Abschnitt „Evo: Vorhersage und Generierung vom Molekül- bis zum Genommaßstab“ von HyperAI Super Neural ist jetzt online und kann durch Klonen mit einem Klick schnell erprobt werden!
19
Titel des Artikels:Groß angelegtes Grundlagenmodell zur Einzelzell-Transkriptomik, 2024.06
Chinesische Interpretation:Das 100-Millionen-Parameter-Zellenmodell ist da! Team der Tsinghua-Universität veröffentlicht scFoundation im Fachjournal „Nature“: Simultane Modellierung von 20.000 Genen
Forschungsinhalte:Das Life Foundation Model Laboratory der Abteilung für Automatisierung und die Abteilung für Elektronik/AIR der Tsinghua-Universität haben bei der Forschung zusammengearbeitet, um ein großes scFoundation-Zellmodell mit 100 Millionen Parametern zu erstellen, das ungefähr 20.000 Gene gleichzeitig verarbeiten kann und erhebliche Leistungsverbesserungen bei Aufgaben wie der Verbesserung der Zellsequenzierungstiefe, der Vorhersage der Zellreaktion auf Arzneimittel und der Vorhersage von Zellstörungen gezeigt hat.
20
Titel des Artikels:Verbesserung der Effizienz von Proteinsprachenmodellen mit minimalen Labordaten durch Few-Shot-Learning, 2024.07
Chinesische Interpretation:20 experimentelle Daten schaffen einen Meilenstein für KI-Proteine! Die Shanghai Jiao Tong University und das Shanghai AI Lab haben gemeinsam FSFP veröffentlicht, um Protein-Vortrainingsmodelle effektiv zu optimieren
Forschungsinhalte:Die Shanghai Jiao Tong University hat in Zusammenarbeit mit dem Shanghai Artificial Intelligence Laboratory eine Feinabstimmungstrainingsmethode namens FSFP vorgeschlagen, die auf einem Protein-Vortrainingsmodell basiert. Mit dieser Methode kann das Protein-Vortrainingsmodell mithilfe von nur 20 zufälligen Nass-Experimentdaten effizient trainiert und die Positivitätsrate der Einzelpunktmutationsvorhersage des Modells deutlich verbessert werden.
21
Titel des Artikels:Protein-Engineering mit leichtgewichtigen Graph-Denoising-Neural-Networks, 2024.04
Chinesische Interpretation:Ohne experimentelle Daten zur Steuerung der proteingesteuerten Evolution veröffentlichte die Forschungsgruppe der Shanghai Jiaotong University das mikroumgebungsbewusste Graph-Neuralnetzwerk ProtLGN
Forschungsinhalte:Die Shanghai Jiao Tong University hat ein mikroumgebungsbewusstes Graph-Neuralnetzwerk namens P(ROT)LGN entwickelt, das vorteilhafte Aminosäuremutationsstellen aus der dreidimensionalen Struktur von Proteinen lernen und vorhersagen kann und das Design von Einzelstellenmutationen und Mehrfachstellenmutationen in weißer Substanz mit unterschiedlichen Funktionen steuern kann.
22
Titel des Artikels:Entdeckung von Gewebemodulen in räumlichen Transkriptomikdaten mit Einzelzellauflösung durch Zell-Zell-Interaktions-bewusste Zelleinbettung, 2024.06
Forschungsinhalte:Die School of Life Sciences der Tsinghua-Universität/Advanced Innovation Center for Structural Biology/Tsinghua-Peking University Joint Center for Life Sciences hat einen künstlichen Intelligenzalgorithmus namens SPACE entwickelt, der auf dem Graph-Autoencoder-Deep-Learning-Framework basiert und räumliche Zelltypen identifizieren und Gewebemodule aus räumlichen Transkriptomdaten mit Einzelzellauflösung entdecken kann.
23
Titel des Artikels:Deep Learning ermöglicht die Entdeckung selbstassemblierender Peptide mit über 10 Billionen Sequenzen, 2023.09
Chinesische Interpretation:Die Westlake University nutzt Transformer, um die Selbstassemblierungseigenschaften von Milliarden von Peptiden zu analysieren und die Regeln der Selbstassemblierung zu knacken
Forschungsinhalte:Das Team der Westlake University verwendete ein auf Transformer basierendes Regressionsnetzwerk, um die Selbstassemblierungseigenschaften von zig Milliarden Peptiden vorherzusagen, und analysierte die Auswirkungen von Aminosäuren an verschiedenen Positionen auf die Selbstassemblierungseigenschaften, wodurch ein leistungsstarkes neues Tool für die Untersuchung selbstassemblierender Peptide bereitgestellt wurde.
24
Titel des Artikels:IMN4NPD: Ein integrierter molekularer Netzwerk-Workflow für die Dereplikation von Naturstoffen, 2024.02
Chinesische Interpretation:Um die Wirkstoffe natürlicher Arzneimittel vollständig zu erforschen, baute das Team von Professor Liu Shao von der Central South University die IMN4NPD-Plattform
Forschungsinhalte:Das Team der Central South University hat durch die Integration zweier unterschiedlicher molekularer Netzwerke die Plattform IMN4NPD aufgebaut, mit deren Hilfe sich die spuren- und strukturspezifischen Wirkstoffe von Naturheilmitteln umfassend erforschen lassen.
25
Titel des Artikels:AlphaProteo generiert neuartige Proteine für die Biologie und Gesundheitsforschung, 2024.09
Chinesische Interpretation:Werden die neuen Ergebnisse von DeepMind kritisiert, weil sie wie Werbung aussehen? AlphaProteo kann effizient Zielproteinbinder mit 300-fach erhöhter Affinität entwickeln
Forschungsinhalte:DeepMind hat AlphaProteo für neuartiges Proteindesign veröffentlicht, das durch nur eine Runde Mitteldurchsatz-Screening ohne weitere Optimierung „gebrauchsfertige“ Proteinbinder erzeugen kann.
26
Titel des Artikels:Schnelle, sensitive Erkennung von Proteinhomologen mittels Deep Dense Retrieval, 2024.08
Chinesische Interpretation:Die durch 56% verbesserte Empfindlichkeit, CUHK/Fudan/Yale und andere schlugen gemeinsam eine neue Methode zur Erkennung von Proteinhomologen vor
Forschungsinhalte:Die Chinesische Universität Hongkong hat in Zusammenarbeit mit dem Laboratory of Intelligent Complex Systems der Universität Fudan, dem Shanghai Artificial Intelligence Laboratory und der Yale University ein ultraschnelles und hochempfindliches Framework zur Erkennung von Proteinhomologen vorgeschlagen.
27
Titel des Artikels:Generieren einer All-Atom-Proteinstruktur aus reinen Sequenz-Trainingsdaten, 2024.12
Chinesische Interpretation:LeCun weitergeleitet, UC Berkeley et al. schlug eine multimodale Proteingenerierungsmethode PLAID vor, die Sequenzen und All-Atom-Proteinstrukturen gleichzeitig generiert
Forschungsinhalte:Die University of California, Berkeley, Microsoft Research und andere haben eine multimodale Methode zur Proteingenerierung namens PLAID vorgeschlagen, die eine multimodale Generierung erreichen kann, indem sie knappere Modalitäten (wie Kristallstrukturen) aus reichhaltigeren Datenmodalitäten (wie Sequenzen) generiert.
28
Titel des Artikels:Präzise proteomweite Vorhersage von Missense-Varianteneffekten mit AlphaMissense, 2023.09
Chinesische Interpretation:DeepMind nutzt unüberwachtes Lernen zur Entwicklung von AlphaMissense und sagt 71 Millionen Genmutationen voraus
Forschungsinhalte:DeepMind entwickelte AlphaMissense und sagte 71 Millionen mögliche Missense-Genmutationen beim Menschen voraus. Dabei stellte man fest, dass es sich bei 32% um eine pathogene Mutation und bei 57% um eine gutartige Mutation handeln könnte. Diese Ergebnisse werden die Entwicklung der Molekularbiologie, Genomik, klinischen Medizin und anderer Disziplinen erheblich voranbringen.
29
Titel des Artikels:Ein konstruierter DNA-Aptamer-basierter PROTAC für die präzise Therapie von durch p53-R175H-Hotspot-Mutationen verursachtem Krebs, 2024.05
Chinesische Interpretation:Kann die Vermehrung von Krebszellen hemmen! Die Huihu School of Pharmacy und die Tianjin Medical University haben gemeinsam einen neuen Tumorsuppressor-Protein-Degrader dp53m entwickelt
Forschungsinhalte:Die Huihu School of Pharmacy der Xi'an Jiaotong-Liverpool University hat in Zusammenarbeit mit dem Tianjin Medical University General Hospital einen selektiven p53-R175H-Degrader – dp53m – entwickelt, der das mutierte p53-R175H-Protein spezifisch erkennen, einen gezielten Abbau des Zielproteins erreichen und die funktionelle Expression des mutierten p53-Proteins hemmen kann.
30
Titel des Artikels:Transferlernen ermöglicht die Identifizierung mehrerer Arten von RNA-Modifikationen mittels Nanoporen-Direkt-RNA-Sequenzierung, 2024.05
Chinesische Interpretation:Die Forschungsgruppe von Yu Xiang an der Shanghai Jiao Tong University veröffentlichte ein übertragbares Deep-Learning-Modell, um mehrere Arten von RNA-Modifikationen zu identifizieren und den Rechenaufwand deutlich zu senken
Forschungsinhalte:Die Shanghai Jiao Tong University hat in Zusammenarbeit mit dem Team des Shanghai Chenshan Botanical Garden ein übertragbares Deep-Learning-Modell namens TandemMod entwickelt, das die Identifizierung mehrerer Arten von RNA-Modifikationen bei der direkten RNA-Sequenzierung (DRS) ermöglicht.
31
Titel des Artikels:Arzneimittelneupositionierung mit adaptiven Graph-Convolutional-Netzwerken, 2024.01
Chinesische Interpretation:Neue Einsatzmöglichkeiten für alte Medikamente: Das Team der Central South University veröffentlicht AdaDR zur Neupositionierung von Medikamenten auf Basis adaptiver Graph-Convolutional-Netzwerke
Forschungsinhalte:Das Forschungsteam der Central South University schlug eine adaptive GCN-Methode namens AdaDR vor, die eine Neupositionierung von Medikamenten durch die tiefe Integration von Knotenmerkmalen und topologischen Strukturen durchführt.
32
Titel des Artikels:Generative KI für die Entwicklung und Validierung leicht synthetisierbarer und strukturell neuartiger Antibiotika, 2024.03
Chinesische Interpretation:Gute Nachrichten für Patienten, die mit medikamentenresistenten Bakterien infiziert sind! McMaster University und Stanford University nutzen generative KI zur Entwicklung neuer Antibiotika
Forschungsinhalte:Forscher der McMaster University und der Stanford University haben mit SyntheMol ein generatives KI-Modell entwickelt, das auf der Grundlage des chemischen Raums von fast 30 Milliarden Molekülen neue Verbindungen entwerfen kann, die leicht zu synthetisieren sind.
33
Titel des Artikels:Viruslmmu: ein neuartiger Ensemble-Maschinenlernansatz zur Vorhersage viraler Immunogenität, 2023.11
Chinesische Interpretation:Neuer Durchbruch in der Impfstoffforschung und -entwicklung: Das Beihang-Team schlägt eine neue Methode zur Vorhersage der Immunogenität viraler Antigene vor: VirusImmu
Forschungsinhalte:Ein Team der Beihang-Universität hat eine Ensemble-Methode des maschinellen Lernens (Viruslmmu) zur Vorhersage der Immunogenität viraler Antigene entwickelt, die großes Potenzial für die Vorhersage der Immunogenität viraler Proteinfragmente aufweist und Impfstoffentwicklern ein Werkzeug bietet.
34
Titel des Artikels:UniKP: ein einheitliches Framework zur Vorhersage enzymkinetischer Parameter, 2023.12
Chinesische Interpretation:Das Team von Luo Xiaozhou von der Chinesischen Akademie der Wissenschaften schlug das UniKP-Framework vor, ein großes Modell + maschinelles Lernen zur Vorhersage enzymkinetischer Parameter mit hoher Genauigkeit
Forschungsinhalte:Ein Team des Shenzhen Institute of Advanced Technology der Chinesischen Akademie der Wissenschaften hat ein Rahmenwerk zur Vorhersage enzymkinetischer Parameter (UniKP) vorgeschlagen, um eine Vielzahl verschiedener enzymkinetischer Parameter vorherzusagen.
35
Titel des Artikels:Mosaikintegration und Wissenstransfer von multimodalen Einzelzelldaten mit MIDAS, 2024.01
Chinesische Interpretation:Unabhängige Forschung und Entwicklung! Das Team des Military Medical Research Institute schlug MIDAS vor, das für die Mosaikintegration von Einzelzell-Multi-Omics-Daten verwendet werden kann
Forschungsinhalte:Ein Team der Akademie der Militärmedizinischen Wissenschaften hat mit MIDAS ein Computertool für die Mosaikintegration von Einzelzell-Multi-Omics-Daten und den Wissenstransfer vorgeschlagen. Dabei wurden erstmals die allgemeinen Integrationsfunktionen von Einzelzell-Multi-Omics-Mosaikdaten wie etwa modale Ausrichtung, Datenvervollständigung und Stapelkorrektur realisiert.
36
Titel des Artikels:ResGen ist ein taschenorientiertes 3D-Molekülgenerierungsmodell basierend auf paralleler Multiskalenmodellierung, 2023.09
Chinesische Interpretation:8-mal schneller als die beste Technologie: Hou Tingjun et al. von der Zhejiang-Universität schlug ResGen vor, ein 3D-Molekülgenerationsmodell basierend auf Proteintaschen
Forschungsinhalte:Das Forschungsteam der Zhejiang-Universität und des Zhijiang-Labors schlug ein 3D-Modell zur Molekülgenerierung auf Basis von Proteintaschen vor – ResGen, das 8-mal schneller ist als die bisher beste Technologie und erfolgreich medikamentenähnliche Moleküle mit geringerer Bindungsenergie und höherer Diversität erzeugt.
37
Titel des Artikels:Eine Hauptgeruchskarte vereint verschiedene Aufgaben der Geruchswahrnehmung, 2023.08
Chinesische Interpretation:Google entwickelt eine auf GNN basierende Geruchserkennungs-KI, die 70 Jahren kontinuierlicher Arbeit menschlicher Gutachter entspricht
Forschungsinhalte:Osmo, ein Spin-off von Google Research, hat eine KI zur Geruchsanalyse auf Basis von Graph-Neural-Networks entwickelt. Es kann den Geruch eines chemischen Moleküls anhand seiner Struktur beschreiben und ist dem Menschen bei der Beurteilung von 53% chemischer Moleküle und 55% Geruchsbeschreibungen überlegen.
38
Titel des Artikels:Maschinelles Lernen verbessert die Vorhersage von Pflanzen als potenzielle Quellen für Malariamittel, 2023.05
Chinesische Interpretation:Kew Gardens in Großbritannien nutzt maschinelles Lernen, um die Resistenz von Pflanzen gegen Malaria vorherzusagen und erhöht so die Genauigkeit von 0,46 auf 0,67
Forschungsinhalte:Forscher der Royal Botanic Gardens in Kew und der University of St Andrews haben gezeigt, dass Algorithmen des maschinellen Lernens die antimalariafördernden Eigenschaften von Pflanzen mit einer Genauigkeit von 0,67 vorhersagen können. Dies stellt eine erhebliche Verbesserung gegenüber den 0,46 herkömmlicher Testmethoden dar.
39
Titel des Artikels:Modelle des maschinellen Lernens zur Beschleunigung der Entwicklung polymerer Injektionspräparate mit Langzeitwirkung, 2023.01
Chinesische Interpretation:Durch den horizontalen Vergleich von 11 Algorithmen hat die Universität Toronto ein maschinelles Lernmodell eingeführt, um die Entwicklung neuer langwirksamer injizierbarer Medikamente zu beschleunigen
Forschungsinhalte:Forscher der Universität Toronto haben ein maschinelles Lernmodell entwickelt, das die Freisetzungsrate lang wirkender injizierbarer Medikamente vorhersagen und so den gesamten Prozess der Medikamentenentwicklung beschleunigen kann.
40
Titel des Artikels:Makrozyklisierung linearer Moleküle durch Deep Learning zur Erleichterung der Entdeckung makrozyklischer Arzneimittelkandidaten, 2023.07
Chinesische Interpretation:Die Forschungsgruppe von Li Honglin an der East China University of Science and Technology entwickelt Macformer, um die Entdeckung makrozyklischer Medikamente zu beschleunigen
Forschungsinhalte:Ein Team der East China University of Science and Technology entwickelte Macformer auf Basis von Transformer und makrozyklisierte erfolgreich das azyklische Medikament Feizotinib, um neue Verbindungen mit stärkerer Wirksamkeit zu erhalten und so eine neue Methode für die Medikamentenentwicklung bereitzustellen.
41
Titel des Artikels:Eine auf Live-Cell-Bildern basierende maschinelle Lernstrategie zur Reduzierung der Variabilität in PSC-Differenzierungssystemen, 2023.06
Chinesische Interpretation:Die Peking-Universität entwickelt ein auf maschinellem Lernen basierendes Differenzierungssystem für pluripotente Stammzellen, um funktionale Zellen effizient und stabil herzustellen
Forschungsinhalte:Ein Team der Peking-Universität und der Beijing Jiaotong University hat ein Differenzierungssystem entwickelt, das auf dynamischer Hellfeldbildgebung lebender Zellen und maschinellem Lernen basiert und den Differenzierungsprozess pluripotenter Stammzellen in Echtzeit intelligent regulieren und optimieren kann, wodurch eine effiziente und stabile Produktion funktionsfähiger Zellen erreicht wird.
42
Titel des Artikels:Vorhersage der Ergebnisse des pharmazeutischen Tintenstrahldrucks mithilfe von maschinellem Lernen, 2023.12
Chinesische Interpretation:Neuer Durchbruch im 3D-Druck von Medikamenten: Die Universität von San Diego nutzt maschinelles Lernen, um Biotinten im Tintenstrahldruck mit einer Genauigkeit von bis zu 97,22% zu prüfen
Forschungsinhalte:Forscher der Universität Santiago de Compostela und des University College London verwendeten Modelle des maschinellen Lernens, um die Druckbarkeit von Biotinte vorherzusagen, und konnten die Vorhersagerate erfolgreich verbessern.
43
Titel des Artikels:Deep-Learning-gestützte Entdeckung eines Antibiotikums gegen Acinetobacter baumannii, 2023.05
Chinesische Interpretation:KI bekämpft Superbakterien: McMaster University nutzt Deep Learning zur Entdeckung eines neuen Antibiotikums, Abaucin
Forschungsinhalte:Forscher der McMaster University und des MIT nutzten Deep Learning, um etwa 7.500 Moleküle zu screenen und neue Antibiotika zu identifizieren, die Acinetobacter baumannii hemmen.
44
Titel des Artikels:Entdeckung von Senolytica mittels maschinellem Lernen, 2023.05
Chinesische Interpretation:Um die Zellalterung zu verhindern und altersbedingte Krankheiten zu vermeiden, hat die Universität Edinburgh drei „KI-Anti-Aging-Rezepte“ für Zellen herausgegeben
Forschungsinhalte:Die Universitäten Edinburgh und Kantabrien nutzten maschinelles Lernen, um drei Anti-Aging-Medikamente zu entdecken – Ginkgetin, Periplocin und Oleandrin – und überprüften deren Anti-Aging-Wirkung in menschlichen Zelllinien.
45
Titel des Artikels:Regeln und Mechanismen der G-Protein-Kopplungsselektivität von GPCRs, 2023.09
Chinesische Interpretation:Universität von Florida nutzt neuronale Netzwerke zur Entschlüsselung der Selektivität der GPCR-G-Proteinkopplung
Forschungsinhalte:Forscher der University of Florida bestimmten die Bindungsselektivität von GPCRs und G-Proteinen, entwickelten einen Algorithmus zur Vorhersage der Selektivität beider und untersuchten die strukturellen Grundlagen dieser Selektivität.
46
Titel des Artikels:Entdeckung einer strukturellen Klasse von Antibiotika mit erklärbarem Deep Learning, 2023.12
Chinesische Interpretation:Der Fluch der „Superbakterien“ könnte gebrochen werden. MIT nutzt Deep Learning zur Entdeckung neuer Antibiotika
Forschungsinhalte:Forscher des MIT nutzten das Graph-Neural-Network Chemprop, um potenzielle Antibiotika aus einer großen chemischen Bibliothek zu identifizieren und entdeckten eine neue Klasse von Antibiotika.
Oben sind die aktuellsten Artikel zu KI und Biomedizin aufgeführt, die in dieser Ausgabe zusammengefasst sind. Weitere aktuelle Ergebnisse finden Sie unter:
https://github.com/hyperai/awesome-ai4s
