「AI + 生物医学」の黄金時代をつかみ、2024 年に最も注目すべき破壊的成果を振り返る
過去 1 年間、AI は世界中で、特に生物医学の分野で変化の波を引き起こしました。
AlphaFold に代表される AI システムは、これまでにない精度でタンパク質の三次元構造を予測することができ、タンパク質の機能理解や標的薬の開発に革新的なツールを提供します。医薬品の研究開発の分野では、AI は膨大な医薬品データに基づいて医薬品の特性を予測できるだけでなく、新薬を設計し、研究室から臨床までの医薬品開発サイクルを短縮することもできます。同時に、AI は、膨大な遺伝子配列データから情報を正確にマイニングし、遺伝子変異を迅速に特定し、科学研究者が病気に関連する遺伝子変異を特定できるようにすることもできます。さらに、AI は細胞分化プロセスを最適化し、大型細胞モデルの開発を促進することもできます。
2024 年のノーベル化学賞がコンピューターによるタンパク質設計とタンパク質構造予測の分野に授与されたことにより、生物医学分野における AI の革命的な役割が再び世界的に認識されました。
今号では、HyperAI は生物医学分野における AI の最新研究に焦点を当て、読者が 2023 年から 2024 年までに解釈できるよう 46 の最先端の論文を選択します。これらの論文は、CVPR 2024、ICLM 2024、ACL 2024、Nature などの国際的に有名な会議/ジャーナルをカバーしており、研究部門は Microsoft Research、DeepMind、MIT、カリフォルニア大学など、国内外のトップクラスの大学や機関に設置されています。 、中国科学院、清華大学、復旦大学、北京大学、浙江大学、上海交通大学、上海人工知能研究所など。
下記の論文タイトルまたは中国語訳をクリックすると論文解釈のページにジャンプしますので、ご参考になれば幸いです。
AI + 生物医学における最新の成果の詳細については、以下をご覧ください。
https://github.com/hyperai/awesome-ai4s
01
論文のタイトル:深層学習を使用した高親和性タンパク質結合大環状分子の正確なデノボ設計、2024.11
中国語の解釈：デビッド・ベイカーの最新の成果！大環状ペプチド複合体フレームワークRFペプチドをゼロから設計することで、創薬不可能なタンパク質に新たな可能性をもたらす
研究内容：David Baker のチームは、さまざまなタンパク質標的に対する高親和性大環状結合剤を特別に設計する、新しい拡散モデルベースの技術である RFpeptides を開発しました。
02
論文のタイトル:BioCLIP: 生命の樹のビジョン基盤モデル、2024.02
中国語の解釈：CVPR 最優秀学生論文! 1,000 万枚の画像と 450,000 以上の種にわたる非常に大規模なデータセットを備えたマルチモーダル モデル BioCLIP は、ゼロサンプル学習を実現します。
研究内容：オハイオ州立大学、Microsoft Research、カリフォルニア大学アーバイン校、レンセラー工科大学などが、機械学習に適したこれまでで最大かつ最も多様な生体画像データセットTreeOfLife-10Mを公開し、Tree of Lifeの基本を開発しました。モデル BioCLIP は、TreeOfLife-10M の植物、動物、菌類の多様な生物学的画像を最大限に活用しており、そのパフォーマンスはさまざまなきめ細かい生物学的分類タスクにおいて既存の手法よりも大幅に優れています。
03
論文のタイトル:Y-Mol: 医薬品開発のためのマルチスケール生物医学知識ガイド型大規模言語モデル、2024.10
中国語の解釈：初め！ 4 つの主要大学が共同で医薬品研究開発用の大規模言語モデル Y-Mol を立ち上げ、全体的なパフォーマンスが LLaMA2 をリード
研究内容：湖南大学、中南大学、湖南師範大学、翔潭大学の研究チームは共同で、マルチスケールの生物医学的知識に導かれた大規模な言語モデルである Y-Mol を提案しました。これは、さまざまなテキストコーパスや指示に合わせて微調整することができ、言語モデルを強化します。モデル 医薬品開発におけるパフォーマンスと可能性。
04
論文のタイトル:ボトルネッキング-デボトルネッキング戦略と機械学習支援フラックスバランシングによる経路進化、2024.02
中国語の解釈：合成生物学の新たなブレークスルー!中国科学院のLuo Xiaozhou氏のチームは、進化経路のプロモーターの組み合わせを最適化するProEnsemble機械学習フレームワークを開発した。
研究内容：中国科学院深セン先端技術研究所総合研究所は、自動化と ProEnsemble 機械学習フレームワークを組み合わせて、代謝経路の進化における不確実性という技術的障壁を克服し、ナリンゲニン生産を実験室から工業まで飛躍的に向上させました。このシャーシはフラボノイドを高収率で合成することができます。
05
論文のタイトル:ディープラーニング支援による生細胞内の自動多次元単一粒子追跡、2024.03
中国語の解釈：ナノスケールでの単一粒子追跡、厦門大学 Fang Ning チームが AI を使用して「細胞内のロック」を再生
研究内容：厦門大学の方寧教授のチームは、細胞微小環境におけるナノ粒子回転追跡の限界を打ち破る、ディープラーニングに基づく自動高速多次元単一粒子追跡（SPT）システムを開発した。
06
論文のタイトル:AlphaFold がタンパク質アンサンブルを生成するためのフロー マッチングを実現、2024.06
中国語の解釈：ICMLに選ばれました！ MITチームがAlphaFoldに基づいて新たなブレークスルーを達成、タンパク質の動的な多様性を明らかに
研究内容：MIT 研究チームは、AlphaFold と ESMFold を選択し、カスタム フロー マッチング (フロー マッチング) フレームワークの下で微調整して、AlphaFLOW と ESMFLOW と呼ばれる配列条件付きタンパク質構造生成モデルを取得しました。
07
論文のタイトル:ProSST: 量子化された構造ともつれの解けた注意によるタンパク質言語モデリング、2024.05
中国語の解釈：PLM における大きな進歩です。上海交通大学と上海AI研究所の最新の成果がNeurIPS 24に採用されました。ProSSTはタンパク質の構造情報を効果的に統合します。
研究内容：上海交通大学のチームは、構造認識機能を備えた事前トレーニング済みタンパク質言語モデル ProSST を開発しました。これにより、熱安定性の予測、金属イオン結合の予測、タンパク質の位置予測、タンパク質の位置予測などのタスクにおいてタンパク質の構造とアミノ酸配列情報を効果的に統合できます。 GO アノテーション予測。既存のモデルよりも優れています。
08
論文のタイトル:拡散モデルの触媒ポケットを制約することによるチトクロム P450 酵素の設計、2024.07
中国語の解釈：触媒能力3.5倍アップ！中国科学院のチームは、拡散モデルに基づいて、P450 酵素の新規設計法である P450Diffusion を開発しました。
研究内容：中国科学院天津産業生物工学研究所の新酵素設計チームは、拡散モデルとポケット設計原理に基づいたP450酵素の新規設計法であるP450Diffusionを開発した。
09
論文のタイトル:DePLM: プロパティ最適化のためのタンパク質言語モデルのノイズ除去、2024.11
中国語の解釈：NeurIPS 24に選ばれました！浙江大学のチームは、SOTA モデルよりもよく突然変異の影響を予測する、新しいノイズ除去タンパク質言語モデル DePLM を提案しました
研究内容：浙江大学のチームは、タンパク質に最適化された新しいノイズ除去タンパク質言語モデル（DePLM）を提案しました。これは、タンパク質言語モデルによって捕捉された進化情報を、特性関連情報と無関係な情報の混合物として扱うことができ、無関係な情報は「ノイズ」と見なされます。 」が排除されており、汎化能力が高いモデルとなっている。
10
論文のタイトル:EquiPocket: リガンド結合部位予測のための E(3) 等変幾何グラフ ニューラル ネットワーク、2024.07
中国語の解釈：ICMLに選ばれました！人民大学チームは等変グラフ ニューラル ネットワークを使用して標的タンパク質の結合部位を予測し、最高のパフォーマンス向上を実現しました 20%
研究内容：中国人民大学ヒルハウス人工知能大学院の研究チームは、E(3)等変グラフニューラルネットワーク(GNN)を初めてリガンド結合部位予測に適用し、以下のようなさまざまな下流タスクに役立つEquiPocketフレームワークを提案しました。創薬として。
11
論文のタイトル:DynamicBind: 深い等変生成モデルによるリガンド特異的なタンパク質-リガンド複合体構造の予測、2024.02
中国語の解釈：動的なタンパク質のドッキング予測を実現！上海交通大学/星耀科技/中山大学などが共同で幾何学深度生成モデルDynamicBindを立ち上げ
研究内容：上海交通大学は、興耀科学技術、中山大学薬学部、米国ライス大学と共同で、タンパク質の「動的ドッキング」のために設計された幾何学的深さ生成モデルDynamicBindを提案し、この方法がウェットによって検証された。国際薬物スクリーニング競争 CACHE での実験であり、パーキンソン病治療のためのとらえどころのない薬物標的に対する競合可能性のある化合物のスクリーニングに使用できます。
12
論文のタイトル:トランスフォーマーベースの生成モデルによるタンパク質-タンパク質複合体の立体構造アンサンブルの探索、2024.05
中国語の解釈：AlphaFoldの韓国版？深層学習モデル AlphaPPIMd: タンパク質間複合体の構造アンサンブル探索用
研究内容：延世大学とその共同研究者は、深層学習と生成 AI を組み合わせて AlphaPPIMd モデルを構築し、分子動力学シミュレーションを通じてタンパク質相互作用の秘密を明らかにしました。
13
論文のタイトル:UniIF: 分子の逆折り畳み、2024.05
中国語の解釈：NeurIPS 2024に選出されました！ Westlake University は、AlphaFold 3 をさらに補完するユニバーサル分子逆フォールディング モデル UniIF を提案しました。
研究内容：ウェストレイク大学未来産業研究センターのチームは、すべての分子の逆フォールディングのための UniIF モデルを提案しました。これは、タンパク質設計、RNA 設計、材料設計などの複数のタスクにおいて最先端のパフォーマンスを達成しました。
14
論文のタイトル:条件付きタンパク質拡散モデルにより、活性が強化された人工的なプログラム可能なエンドヌクレアーゼ配列が生成される、2024.09
研究内容：上海交通大学のチームは、非常に低いトレーニングコストとデータコストでタンパク質の配列、構造、機能の間の暗黙的なマッピング関係を学習できる拡散確率モデルフレームワークCPDiffusionを設計し、それによって多様なタンパク質配列を生成した。
15
論文のタイトル:ProtT3: テキストベースのタンパク質理解のためのタンパク質からテキストへの生成、2023.05
研究内容：中国科学技術大学は、シンガポール国立大学および北海道大学の研究チームと共同で、モーダル差異のあるPLMとクロスモーダルプロジェクターを介したLMを組み合わせてタンパク質字幕を実行する、新しいタンパク質テキストモデリングフレームワークProtT3を提案しました。 、タンパク質の質問応答、およびタンパク質テキスト検索タスクは優れたパフォーマンスを達成しました。
16
論文のタイトル:InstructProtein: 知識指導による人間とタンパク質の言語の調整、2023.10
中国語の解釈：ACL2024 メインカンファレンスに選ばれました InstructProtein: 知識命令を使用したタンパク質言語と人間の言語の調整
研究内容：浙江大学の研究チームは、知識命令を使用してタンパク質言語と人間の言語を整合させる InstructProtein を提案し、生物学的配列を大規模な言語モデルに統合する能力を実証しました。
17
論文のタイトル:ESM All-Atom: 統一分子モデリングのためのマルチスケールタンパク質言語モデル、2024.06
中国語の解釈：ICML、清華航空などのトップカンファレンスに選出され、従来のSOTAを超えるタンパク質言語モデルESM-AAを共同リリース
研究内容：清華大学、北京大学、南京大学の共同研究チームは、ターゲットとリガンドの結合などのタスクのパフォーマンスを大幅に向上させるマルチスケールタンパク質言語モデル ESM-AA を提案しました。
18
論文のタイトル:Evo を使用した分子からゲノムスケールまでの配列モデリングと設計、2024.11
中国語の解釈：まずはデモを体験してみませんか？基本ゲノムモデル Evo が Science の表紙に掲載され、分子スケールからゲノムスケールまでの予測と生成が可能になります
研究内容：Evo モデルはゲノム配列を予測、生成、設計することができ、遺伝子編集、創薬、疾患診断、農業などの分野での利用が期待されている HyperAI スーパー ニューラル チュートリアル セクション「Evo: 分子からの予測と生成」がオンラインになりました。ワンクリックでクローン作成をすぐに体験できます。
19
論文のタイトル:単細胞トランスクリプトミクスの大規模基盤モデル、2024年06月
中国語の解釈：1億個のパラメータを持つ大型セルモデルが登場！ Nature サブジャーナルに掲載、清華大学チームが scFoundation: 20,000 個の遺伝子の同時モデリングを発表
研究内容：清華大学のオートメーション学部と電子/空気学部は共同研究で、約 20,000 個の遺伝子を同時に処理できる 1 億個のパラメーターを備えた大規模な scFoundation セル モデルを構築し、細胞摂動などのタスクで大幅なパフォーマンスの向上を示しました。予測。
20
論文のタイトル:少数ショット学習による最小限のウェットラボデータによるタンパク質言語モデルの効率の向上、2024.07
中国語の解釈：20 の実験データが AI タンパク質のマイルストーンを作成します。上海交通大学と上海AIラボはタンパク質の事前トレーニングモデルを効果的に最適化するFSFPをリリース
研究内容：上海交通大学と上海人工知能研究所は、タンパク質事前トレーニングモデルに基づいた微調整トレーニング手法FSFPを提案しました。これにより、わずか20個のランダムなウェット実験データを使用してタンパク質事前トレーニングモデルを効率的にトレーニングでき、モデルのパフォーマンスを大幅に向上させることができます。単一点変異の予測陽性率。
21
論文のタイトル:軽量グラフノイズ除去ニューラル ネットワークを使用したタンパク質工学、2024.04
中国語の解釈：上海交通大学のホン・リャン氏の研究グループは、タンパク質の方向性進化を導く実験データがない。微環境知覚マップニューラルネットワーク ProtLGN を発表した。
研究内容：上海交通大学は、P(ROT)LGN と呼ばれる微小環境を認識したグラフ ニューラル ネットワークを開発しました。これは、タンパク質の三次元構造から有益なアミノ酸変異部位を学習および予測し、白質の単一点変異および複数の部位を誘導します。さまざまな機能を備えた突然変異のデザイン。
22
論文のタイトル:細胞間相互作用を認識した細胞埋め込みによる単一細胞解像度の空間トランスクリプトミクスデータにおける組織モジュールの発見、2024.06
中国語の解釈：Cellサブマガジンにご参加ください！清華大学の張強峰氏の研究グループは SPACE アルゴリズムを開発し、その組織モジュール発見機能は同様のツールよりも優れています。
研究内容：清華大学生命科学院/構造生物学先端イノベーションセンター/清華大学・北京大学共同生命科学センターは、単一細胞解像度から空間トランスクリプトームデータを抽出できるグラフオートエンコーダー深層学習フレームワークに基づいた人工知能アルゴリズムSPACEを開発した。空間セルの種類を特定し、組織モジュールを発見します。
23
論文のタイトル:深層学習により、10 兆を超える配列を持つ自己集合ペプチドの発見が可能に、2023.09
中国語の解釈：ウェストレイク大学は、Transformer を使用して数百億のペプチドの自己集合特性を分析し、自己集合の法則を破りました。
研究内容：ウェストレイク大学のチームは、Transformer に基づく回帰ネットワークを使用して数百億のポリペプチドの自己集合特性を予測し、さまざまな位置にあるアミノ酸が自己集合特性に及ぼす影響を分析し、研究のための強力な新しいツールを提供しました。自己組織化ペプチド。
24
論文のタイトル:IMN4NPD: 天然物非複製のための統合分子ネットワーキング ワークフロー、2024.02
中国語の解釈：天然薬の有効成分を包括的に調査するために、中南大学のLiu Shao教授のチームはIMN4NPDプラットフォームを構築しました。
研究内容：セントラル・サウス大学のチームは、2 つの異なる分子ネットワークを統合することで IMN4NPD プラットフォームを構築しました。これを使用して、微量の構造的に特異的な天然薬物有効成分を包括的に採掘することができます。
25
論文のタイトル:AlphaProteo は生物学と健康研究のための新しいタンパク質を生成します、2024.09
中国語の解釈：DeepMind の新しい結果は広告として批判されていますか? AlphaProteo は、300 倍増加した親和性を持つ標的タンパク質バインダーを効率的に設計します
研究内容：DeepMind は、新規タンパク質設計用の AlphaProteo をリリースしました。これは、さらなる最適化を行わずに、中スループットのスクリーニングを 1 回行うだけで「すぐに使用できる」タンパク質結合剤を生成できます。
26
論文のタイトル:ディープデンス検索を使用したタンパク質ホモログの高速かつ高感度な検出、2024.08
中国語の解釈：感度が向上した56%、香港チャイニーズ/復丹/エール大学などが共同で新たなタンパク質ホモログ検出法を提案
研究内容：香港中文大学は、復旦大学知能複雑システム研究所、上海人工知能研究所、イェール大学と共同で、超高速かつ高感度のタンパク質ホモログ検出フレームワークを提案した。
27
論文のタイトル:配列のみのトレーニング データからの全原子タンパク質構造の生成、2024.12
中国語の解釈：LeCun 氏の提案により、カリフォルニア大学バークレー校らは、配列と全原子タンパク質構造を同時に生成するマルチモーダルなタンパク質生成法 PLAID を提案しました。
研究内容：カリフォルニア大学バークレー校、Microsoft Research等は、より豊富なデータモダリティ（配列など）からより希少なモダリティ（結晶構造など）を生成し、マルチモーダル生成を実現できるマルチモーダルタンパク質生成法PLAIDを提案しています。 。
28
論文のタイトル:AlphaMissense による正確なプロテオーム全体のミスセンスバリアント効果予測、2023.09
中国語の解釈：DeepMind は教師なし学習を使用して、7,100 万の遺伝子変異を予測する AlphaMissense を開発
研究内容：DeepMind は AlphaMissense を開発し、ヒトにおける 7,100 万個の遺伝子ミスセンス変異の可能性を予測しました。このうち、32% は病原性変異である可能性があり、57% は良性変異である可能性があります。これらの結果は、分子生物学、ゲノミクス、およびその他の分野の発展を大きく促進するでしょう。
29
論文のタイトル:p53-R175H ホットスポット変異誘発がんの正確な治療のための、操作された DNA アプタマーベースの PROTAC、2024.05
中国語の解釈：がん細胞の増殖を抑制できる！恵湖薬科大学は天津医科大学と提携し、新しい腫瘍抑制タンパク質分解剤 dp53m を開発
研究内容：西安交通大学恵湖薬学部と天津医科大学総合病院は、変異型 p53-R175H タンパク質を特異的に認識し、標的タンパク質の分解目標を達成できる選択的 p53-R175H 分解剤 dp53m を開発しました。変異型 p53 タンパク質の機能発現を阻害します。
30
論文のタイトル:転移学習により、ナノポアダイレクト RNA シークエンシングを使用した複数種類の RNA 修飾の同定が可能になります、2024.05
中国語の解釈：上海交通大学のYu Xiang氏の研究グループは、複数のタイプのRNA修飾を特定し、計算コストを大幅に削減するための移植可能な深層学習モデルをリリースした。
研究内容：上海交通大学は、上海辰山植物園チームと共同で、ダイレクト RNA シークエンシング (DRS) において複数の種類の RNA 修飾を識別できる、転移可能な深層学習モデル TandemMod を開発しました。
31
論文のタイトル:適応グラフ畳み込みネットワークを使用した薬物の再配置、2024.01
中国語の解釈：古い薬物を再利用、セントラルサウス大学のチームが薬物の再配置に適応型グラフ畳み込みネットワークを使用する AdaDR をリリース
研究内容：セントラルサウス大学の研究チームは、ノードの特徴とトポロジーを深く統合することで薬物の再配置を実行する、AdaDRと呼ばれる適応型GCN手法を提案しました。
32
論文のタイトル:簡単に合成可能で構造的に新規な抗生物質を設計および検証するための生成 AI、2024.03
中国語の解釈：薬剤耐性菌感染症に苦しむ何百万もの患者にとって朗報です。 Maima がスタンフォード大学と協力し、生成 AI を使用して新しい抗生物質を開発
研究内容：マクマスター大学とスタンフォード大学の研究者らは、約 300 億分子の化学空間に基づいて合成が容易な新しい化合物を設計できる生成 AI モデルである SyntheMol を開発しました。
33
論文のタイトル:Viruslmmu: ウイルス免疫原性予測のための新しいアンサンブル機械学習アプローチ、2023.11
中国語の解釈：ワクチン研究開発における新たなブレークスルー：北京のチームがウイルス抗原の免疫原性を予測する新しい方法であるVirusImmuを提案
研究内容：北京航大学のチームは、ウイルス抗原の免疫原性予測のための機械学習アンサンブル手法 (Viruslmmu) を開発しました。これは、ウイルスタンパク質断片の免疫原性の予測に大きな可能性を示し、ワクチン開発者にツールを提供します。
34
論文のタイトル:UniKP: 酵素反応速度パラメータを予測するための統一フレームワーク、2023.12
中国語の解釈：中国科学院のLuo Xiaozhou氏のチームは、酵素反応速度パラメータを高精度で予測するための大規模モデルと機械学習であるUniKPフレームワークを提案した
研究内容：中国科学院深セン先進技術研究所のチームは、酵素速度論パラメータ予測フレームワーク (UniKP) に基づいてさまざまな酵素速度論パラメータを予測することを提案しました。
35
論文のタイトル:MIDAS を使用した単一セル マルチモーダル データのモザイク統合と知識伝達、2024.01
中国語の解釈：独自の研究開発！軍事医学研究所チームは、単一細胞マルチオミクスデータのモザイク統合に使用できる MIDAS を提案しました
研究内容：軍事医学アカデミーのチームは、単一細胞マルチオミクスデータのモザイク統合と知識移行のためのコンピューティングツール MIDAS を提案しました。これにより、ユニバーサルモーダルアライメント、データ補完、バッチキャリブレーションなどの統合機能が初めて実現されました。
36
論文のタイトル:ResGen は、並列マルチスケール モデリングに基づくポケット認識 3D 分子生成モデルです、2023.09
中国語の解釈：最高の技術よりも8倍高速：浙江大学のHou Tingjun氏らは、タンパク質ポケットに基づく3D分子生成モデルResGenを提案
研究内容：浙江大学とその江研究室の研究チームは、タンパク質ポケットに基づく3D分子生成モデル-ResGenを提案しました。これは、以前の最適技術と比較して、速度が8倍向上し、結合エネルギーが低く、多様性が高い分子を生成することに成功しました。薬物のような分子のこと。
37
論文のタイトル:主要な匂いマップは嗅覚における多様なタスクを統合する、2023.08
中国語の解釈：Google、GNNベースの匂い認識AIを開発、人間の評価者による70年間の継続作業に相当する作業量
研究内容：Google Research の一部門である Osmo は、グラフ ニューラル ネットワークに基づいた臭気分析 AI を開発しました。化学分子の匂いをその構造に基づいて記述することができ、53% の化学分子と 55% の匂い記述子を判断する点では人間よりも優れています。
38
論文のタイトル:機械学習により、抗マラリア薬の潜在的な供給源としての植物の予測が強化される、2023.05
中国語の解釈：王立植物園は機械学習を使用して植物のマラリア耐性を予測し、精度を 0.46 から 0.67 に高めました。
研究内容：王立植物園とセント・アンドリュース大学の研究者は、機械学習アルゴリズムがマラリアに対する植物の抵抗性を効果的に予測できることを証明しました。その精度は 0.67 で、従来の検査方法の 0.46 と比較して大幅に向上しています。
39
論文のタイトル:ポリマーの長時間作用型注射剤の設計を加速する機械学習モデル、2023.01
中国語の解釈：トロント大学は、11 のアルゴリズムを水平比較した後、新しい長時間作用型注射薬の開発を加速する機械学習モデルを立ち上げました。
研究内容：トロント大学の研究者は、長時間作用型注射剤の薬物放出速度を予測し、薬物開発プロセス全体をスピードアップできる機械学習モデルを開発しました。
40
論文のタイトル:大環状薬剤候補の発見を促進する深層学習による直鎖状分子の大環状化、2023.07
中国語の解釈：華東科技大学の李紅林氏の研究グループが大環状薬剤の発見を加速するマックフォーマーを開発
研究内容：華東科技大学のチームは、トランスフォーマーに基づいてマックフォーマーを開発し、非環式薬物フィゾチニブの大環状化に成功し、より強力な効果を持つ新化合物を取得し、医薬品開発の新たな方法を提供した。
41
論文のタイトル:PSC 分化システムの変動性を低減するための生細胞画像ベースの機械学習戦略、2023.06
中国語の解釈：北京大学、機能細胞を効率的かつ安定的に調製するための機械学習に基づく多能性幹細胞分化システムを開発
研究内容：北京大学と北京交通大学のチームは、生細胞の明視野動的画像と機械学習に基づいた分化システムを開発しました。これは、多能性幹細胞の分化プロセスをリアルタイムでインテリジェントに制御および最適化し、機能性幹細胞の効率的かつ安定した生産を実現します。細胞。
42
論文のタイトル:機械学習を使用した医薬品インクジェット印刷の結果の予測、2023.12
中国語の解釈：医薬品 3D 印刷の新たな進歩: サンディエゴ大学は機械学習を使用して、インクジェット印刷バイオインクを 97.22% の精度でスクリーニングします。
研究内容：サンティアゴ デ コンポステーラ大学とユニバーシティ カレッジ ロンドンの研究者は、機械学習モデルを適用してバイオインクの印刷適性を予測し、予測率の向上に成功しました。
43
論文のタイトル:アシネトバクター・バウマニを標的とする抗生物質の深層学習に基づく発見、2023.05
中国語の解釈：AI がスーパーバグと戦う: マクマスター大学がディープラーニングを使用して新しい抗生物質アバウシンを発見
研究内容：マクマスター大学とマサチューセッツ工科大学の研究者は、ディープラーニングを使用して約 7,500 の分子をスクリーニングし、アシネトバクター バウマニを阻害する新しい抗生物質を特定しました。
44
論文のタイトル:機械学習を使用した Senolytics の発見、2023.05
中国語の解釈：細胞の老化を拒否し、加齢に伴う病気から遠ざけるために、エディンバラ大学は細胞に対する3つの「AIアンチエイジング処方箋」を発行した。
研究内容：エディンバラ大学とカンタブリア大学は、機械学習を使用して 3 つの抗老化薬 (ギンゲチン、ペリプロシン、オレアンドリン) を発見し、それらの抗老化効果をヒト細胞株で検証しました。
45
論文のタイトル:GPCR の G タンパク質カップリング選択性を支配する規則とメカニズム、2023.09
中国語の解釈：フロリダ大学はニューラルネットワークを使用して GPCR-G タンパク質カップリング選択性を解読
研究内容：フロリダ大学の研究者らは、GPCR と G タンパク質の結合選択性を測定し、それらの選択性を予測するアルゴリズムを開発し、この選択性の構造的基盤を研究しました。
46
論文のタイトル:説明可能な深層学習による抗生物質の構造クラスの発見、2023.12
中国語の解釈：「スーパーバグ」の呪いは解けるかもしれない、MITはディープラーニングを利用して新しい抗生物質を発見
研究内容：MIT の研究者は、グラフ ニューラル ネットワーク Chemprop を使用して、大規模な化学ライブラリから潜在的な抗生物質を特定し、新しいクラスの抗生物質を発見しました。
上記は、本号にまとめられた AI+バイオ医学に関する最先端の論文です。最新の成果については、以下をご覧ください。
https://github.com/hyperai/awesome-ai4s
