科研人员发展了蛋白质关键别构残基预测方法
别构调控在酶催化、信号传导等多种生物学过程中发挥着重要作用。与传统的作用于生物功能位点的正构药物相比，别构药物由于具有更高的特异性、更少的副作用以及能有效克服已有的耐药性突变等独特优势而受到广泛关注。
《转化精神病学》：解决临床用药难点，回顾20项机器学习预测抗精神病药物预后成效
近日，由意大利米兰大学的Paolo Brambilla领衔的研究团队在《转化精神病学》发表一篇综述型研究，他们回顾了28项利用不同神经影像、神经生理、遗传以及临床特征对不同阶段的SCZ患者的抗精神病药
《自然》：1600000个肺癌细胞大分析，发现1m㎡肿瘤组织即可预测肺癌术后是否会进展！
这项研究通过一种新颖的空间组学技术对非小细胞肺癌的免疫微环境做了深度解析，确定了与患者生存相关的分子特征及空间特征，并以此为基础构建了可预测非小细胞肺癌术后疾病进展的模型，对非小细胞肺癌的临床决策有重
Nature子刊：研究人员开发出可预测的精细下调目标基因蛋白表达的新方法
基因编辑技术在植物中的开发和应用，为分子设计育种带来了革命性的变化。基于基因编辑技术建立基因精细调控的方法对于精准设计育种至关重要。目前应用最广泛的基因表达调控方法如CRISPR-Cas、CRISP
肺癌类器官预测临床疗效总准确率高达83.3%
药物敏感性与临床反应的总体一致性可达83.33%，LCO-DST在预测晚期癌症治疗反应中有极高的准确性，其在精确医学中具有巨大的潜力，后续可进行大规模临床试验，确定不同类型疗法的精确截止值。
同济大学刘琦团队开发基于元学习的AI模型，用于抗原-TCR亲和力识别及肿瘤新生抗原免疫原性预测
实验证明PanPep在三种应用场景Majority learning、Few-shot learning以及Zero-shot learning场景中均取得了较高的抗原-TCR预测准确率。
Nature 子刊：高彩霞团队开发可预测的精细下调目标基因蛋白表达的新方法
基因编辑技术在植物中的开发和应用为分子设计育种带来了革命性的变化。基于基因编辑技术建立基因精细调控的方法对于精准设计育种至关重要。目前应用最为广泛的基因表达调控方法，如 CRISPR-Cas、CRIS
JCO：一次低剂量CT即可预测未来6年肺癌风险！MIT和哈佛研究团队开发的AI模型可不依赖放射科医生和临床数据，高准确率预测肺癌
该研究开发了包括无吸烟史人群的肺癌风险预测模型，预测性能良好，可以为接受CT肺癌筛查的患者提供有关未来肺癌风险的额外信息，而且对正常临床工作流程无明显干扰。
Genomics：科学家成功利用人工智能技术来预测人群患心血管疾病的风险
来自美国罗格斯大学等机构的科学家们通过研究利用人工智能来分析DNA中的基因，从而就能成功预测人群患心血管疾病（比如心力衰竭和心房颤动等）的风险。
2027年全球药品市场预测：总规模1.9万亿美元，肿瘤药占20%
发表在Nature Reviews Drug Discovery上的一篇文章对未来5年的全球药物市场规模进行了分析预测。