研究人员预测和设计揭示无序蛋白结构域的靶标识别机制
中国科大刘海燕教授、陈泉教授课题组与复旦大学王文宁教授合作，采用蛋白质结构预测、序列设计等计算手段与蛋白质互补分析和深度突变扫描、X射线晶体学、NMR等实验结合的方法，揭示了固有无序的4.1G蛋白C端
科学家发现更精确的阿尔茨海默病诊断获预测方法！
CSF 48改进了现有的AT（N）标志物，可以预测与AD/ADRD有关的多种病理生理机制，并且改善了对AD疾病进展、痴呆严重程度和海马体积变化的预测能力。
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
研究人员基于FFPE样本构建甲基化图谱预测癌症原发部位
识别癌症的原发部位对于癌症诊断和后续治疗至关重要。过去二十年中，针对肿瘤抗原的免疫组织化学（IHC）被视为“金标准”（能够判定50-65%的转移癌的原发部位）。
Evaluate最新预测：最有价值的10款在研新药
9月5日，行业知名媒体FierceBiotech报道，Evaluate发布的最新报告列出了目前正在开发的最具价值潜力的资产，包括默沙东的ACVR2A-Fc融合蛋白sotatercept、诺华的CFB抑
《科学》子刊：复旦大学团队开发无创预测肿瘤异质性方法，并发现铁死亡或是治疗乳腺癌的突破口！
研究者进一步分析了在高IITH肿瘤中排名第一的铁死亡。多组学分析结果显示，诱发铁死亡的关键途径和抑制铁死亡的途径都有增加，说明癌细胞中同时存在铁死亡和阻止程序性细胞死亡的代偿途径。
华人一作：谷歌DeepMind再推出革命性AI工具，预测和表征人类致病基因突变
当然，AlphaMissense距离实际的临床应用还有很大的一段距离要走，AI预测目前在诊断遗传疾病方面的作用还很小，这些工具应该只提供支持性证据将遗传变异与疾病联系起来。
Nature子刊：用AI预测脑肿瘤结局，辅助医生决策
研究团队表示，该模型的预测潜力让人倍感兴奋，但在向医生发布之前，还需要使用更多的癌症患者的数据进行训练。研究团队正计划细化模型，以创建更细粒度的胶质母细胞瘤细胞地图。
Cancer Cell：人工智能预测结直肠癌，精准肿瘤学的一大步
论文第一作者 Sophia J. Wagner 强调，当最终在临床常规中使用该算法模型，对活检组织的进一步支持，增加了该算法对患者的益处。
国家纳米中心研究人员提出纳米材料医学功能预测的理论模型
中国科学院国家纳米科学中心研究员高兴发和中国科学院院士赵宇亮团队，通过多年的基础理论研究与迭代，在纳米生物效应的理论研究领域取得了系统的突破性进展。相关研究成果以《实现纳米材料医学功能筛选的催化信号转