南开大学郑伟教授:AlphaFold并不完美,学术界尚可「弯道超车」
近年来,在深度学习等 AI 技术的辅助下,蛋白质结构预测领域发展迅猛,2024 年 10 月份,因为 AlphaFold,DeepMind 的 Demis Hassabis、John M. Jumper 获得了 2024 年诺贝尔化学奖,然而,这并非代表 Al
近年来,在深度学习等 AI 技术的辅助下,蛋白质结构预测领域发展迅猛,2024 年 10 月份,因为 AlphaFold,DeepMind 的 Demis Hassabis、John M. Jumper 获得了 2024 年诺贝尔化学奖,然而,这并非代表 Al
这个名为「GPT-4b micro」的新模型,不仅将干细胞生成效率提升了50倍,更标志着OpenAI首次正式宣称其AI模型能够产生突破性的科学发现。
刚刚,微软CEO纳德拉亲自站台,官宣旗下MatterGen模型登上Nature,能够超越目前已知材料,利用AI发现针对特定需求的新材料了。
AlphaFold由 DeepMind 团队开发,最初在蛋白质结构预测竞赛 CASP 中惊艳亮相。随着 AlphaFold2 和后续版本的迭代进步,其精度和通用性不断提升,逐渐走出“实验室”,进入生物医学和工业应用的“前线”。下文将通过多个案例,详述Alpha
当前,AI正重塑蛋白质科学范式,引领生命科学从实验探索迈向精准设计的新纪元。2024年,AlphaFold2因其在蛋白质结构预测方面的突破性贡献获得诺贝尔化学奖,mRNA疫苗也因其在新冠大流行中的关键作用荣获2023年诺贝尔生理学或医学奖。这两项荣誉凸显了AI
谷歌始终走在 AI for Science 的最前沿,从蛋白结构预测 AI 工具 AlphaFold 到材料发现系统 GNoME,从天气预报系统 NeuralGCM、GraphCast 到数学几何推理模型 AlphaGeometry......
AlphaFold (AF) 预测的很多蛋白结构已达到甚至有些超过实验精度,但AF还远远不能取代实验对所有蛋白质结构进行精准预测。常见的原因如下:1. 有的天然无序蛋白在溶液中不存在单一的稳定的结构状态,而AF预测其有结构(一般为结合底物后的结构),出现“假阳
在人工智能与科学研究的交汇点上,一场令人瞩目的对话正在展开。来自学术界和产业界的顶尖人物——诺贝尔奖得主 Paul Nurse 爵士、DeepMind CEO Demis Hassabis、CRISPR 先驱 Jennifer Doudna 以及 AlphaF
AlphaFold的出现为蛋白质结构预测带来了革命性进展,极大提升了蛋白质结构建模的速度和准确性。在小分子药物研发领域,蛋白质结构信息至关重要,因为小分子药物通常通过与靶标蛋白的特定位点结合来发挥作用。然而,蛋白质结构数据的获取传统上依赖于耗时费力的实验方法(