蛋白质设计迎来“智能生成时代”
2023年以来,智能大模型成为一个热词,也成为赋能各个行业的一个重要工具。而生物科学作为可高度数字化的系统,具备可解读、可编程的特性,成为智能大模型赋能的一个重要领域。
清华大学刘俊杰为基因编辑做减法，无需蛋白质的基于RNA核酶的新一代基因编辑工具
该研究阐明了HYER的DNA靶向切割机制，其与众所周知的RNA引导的CRISPR-Cas核酸酶相似，使用可重编程的单链RNA进行DNA识别，并通过水解来切割DNA。
Nature子刊：百图生科宋乐团队开发新型蛋白质结构预测工具，不依赖多序列对比，效率更高
与基于MSA的的主流蛋白质结构预测工具AlphaFold2和RoseTTAFold方法相比，HelixFold-Single在预测效率上具有很大优势，耗时要少得多，可以应用于需要大量预测的蛋白质相关任
李喆/王顺智等开发三维蛋白质晶体计算设计方法
这些计算设计的蛋白质晶体是一类新型生物材料，可以大规模制备和纯化，并且在极端条件下保持稳定。晶体的高孔隙率和复杂的孔道结构，晶格尺寸的可调性，以及仅通过混合组件触发结晶的能力
这家融资7亿美元的AI制药公司发表Nature论文，推出生成式AI蛋白质设计模型，已免费开源
此次C轮融资将支持该公司现有的17个研发项目，这些项目主要集中在三个不同的治疗领域——免疫学、感染性疾病和肿瘤学。
研究人员开发出定量蛋白质组学数据的下游分析与可视化工具
基于超高分辨率液质联用质谱的定量蛋白质组学已成为重要的生命科学研究手段。与其他组学方法一样，恰当的数据分析流程是蛋白质组学研究的关键。基于质谱的蛋白质组数据具有方法仪器多样、搜库定量软件繁多的特点，导
AI蛋白设计再登Nature：Diffusion模型助力更强的蛋白质从头设计
该研究开发了蛋白质从头设计的深度学习算法——Family-wide Hallucination，并通过实验室测试证实，这些自然界中不存在的人造酶可以非常有效地催化荧光素底物发光。这是科学界首次基于深度
从头设计蛋白质药物，这家生成式AI制药公司获英伟达认可，已完成近7亿美元融资，1款抗体药开始临床试验
Generate : Biomedicines 是一家基于人工智能技术的公司，但他们一直尊重实验生物学，实际上，该公司从事湿实验的科学家与从事干实验的科学家一样多。
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