研究提出空间细胞类型组分解析新算法
生物体由各种类型的细胞组成。生物系统的结构功能和动态变化很大程度取决于细胞的空间分布，揭示和利用其规律对探索生命现象和探究疾病进化机制具有重要意义。
Nature子刊：浙大林世贤团队报道脂化修饰的计算机辅助设计、遗传编码和生物医药应用
总的来说，该研究开发了计算机辅助的、模拟天然脂化修饰的非天然氨基酸的设计和遗传编码策略，获得了首个可在活细胞内模拟天然脂化修饰功能的遗传编码脂化非天然氨基酸，为在体解码蛋白质脂化修饰功能和开发长效大分
蛋白核心岩藻糖基化与O-GlcNAc位点解析方面获进展
蛋白糖基化是蛋白翻译后修饰之中最为复杂的一类修饰，在药物研发和新的药物靶点发现中颇具应用前景。然而，与生物系统中蛋白质糖基化的多样性相比，聚糖分析的工具仍然有限，直接限制了蛋白糖基化在药物研发中的应用
治疗癌症的新角度，“无用”DNA的隐藏价值
这涉及人类基因组最令人迷惑的某些特征，包括巨量的DNA重复序列，其中许多都是古老的病毒在感染人体后残留的碎片。
单结构域蛋白质索烃的设计和合成方面取得重要进展
以对蛋白质进行环化、索烃化、打结等拓扑改造为代表的蛋白质拓扑工程是一种重要的调控蛋白质性质的手段。近年来，基于可基因编码的蛋白质缠结基元和反应基元的“组装-反应协同”理念，发展
MIT团队提出蛋白生成新模型，无需预训练，可从头生成新蛋白质，主链长度可达500个氨基酸序列
近日，麻省理工学院的研究人员开发出了一种扩散模型 FrameDiff，这是一种生成式深度学习工具，能够生成自然界中不存在的新型蛋白质结构。在研究中，研究团队将 FrameDiff 应用于蛋白质主链生成
刘聪/钟超团队系统总结功能性淀粉样蛋白纤维的理性设计策略
正是由于合成生物学和结构生物学的发展，功能性淀粉样蛋白纤维的设计出现了新的趋势。本综述从工程设计角度和结构解析两方面对功能性淀粉样蛋白的设计和应用进行了深入探讨。
Nature子刊：上海药物所郑明月团队提出基于序列的药物设计新方法
通过逆向应用 Transformer CPI 2.0 对已上市药物进行蛋白质组范围的靶标筛选，成功发现雷贝拉唑抗肿瘤作用的潜在靶标ADP-核糖基化因子ARF1。这些新发现的活性分子和靶标蛋白都是模型训
Science重磅：首个实验证据，证实ChatGPT能够显著提高人类生产力
ChatGPT的到来开启了一个人工智能技术的新时代，只有时间和未来的研究才能充分揭示其对经济和劳动力市场的具体影响。而这项研究为回答这些问题迈出了第一步，证实了生成式人工智能技术将显著影响
James Collins团队开发用于生物学研究的超高速人工智能系统，已开源代码
过去几十年，生物数据集的规模与复杂性大幅增长，利用机器学习为潜在生物过程构建信息与预测模型能够加速生物工程和生物医学应用的进展。