洞察市场格局
解锁药品研发情报

免费客服电话

18983288589
试用企业版

"蛋白质"相关的结果
  • Nat Commun｜让AlphaFold预测非常大的蛋白质

    Nat Commun｜让AlphaFold预测非常大的蛋白质
    人工智能工具AlphaFold已经得到了改进，现在可以预测非常大而复杂的蛋白质结构的形状。 林雪平大学研究人员成功地将实验数据整合到该工具中。 2024年10月9日，该研究结果以 Unmasking AlphaFold to integrate experiments and predictions in multimeric complexes为题发表在 Nature Communications 上，是朝着更有效地开发用于医疗药物等新蛋白质迈出的一步。
    智药邦
    AlphaFold 蛋白质
    18
    0
    6天前
  • 天鹜科技已完成超亿元A轮融资，专注于利用AI进行蛋白质设计

    天鹜科技已完成超亿元A轮融资，专注于利用AI进行蛋白质设计
    近期， 天鹜科技已完成超亿元A轮融资 。 本轮融资由启明创投领投，涌铧投资、经韬资本及老股东本草资本等机构跟投，募集资金将主要用于自研项目的开发，以及蛋白质设计通用人工智能AccelProtein™（源自上海交通大学洪亮团队开发的Pro系列人工智能）的技术迭代、升级。 天鹜科技成立于2021年，注册地位于上海紫竹高新区， 专注于利用AI进行蛋白质设计 ，服务于创新药、体外诊断、营养保健等领域。
    生物天使
    天鹜科技 蛋白质
    29
    0
    6天前
  • Cell丨绘制致病性编码变异对蛋白质定位的影响图谱

    Cell丨绘制致病性编码变异对蛋白质定位的影响图谱
    随着测序技术的进步，已经发现了大量的与人类疾病相关的编码变异，这些变异大多数被归类为意义不明的变异 （VUS） ，这对临床解释编码变异构成了重大障碍。 即便某个编码变异被认为具有致病性，通常也不清楚它如何具体破坏蛋白质功能 【1】 。 然而，被预测为定位错误的致病疾病变异还不到2% 【2,3】 。
    BioArt
    蛋白质
    12
    0
    1周前
  • Nature｜蛋白质的AI设计仍然面临的五个问题

    Nature｜蛋白质的AI设计仍然面临的五个问题
    2024年11月4日， Nature发表文章 Five protein-design questions that still challenge AI，讨论了蛋白质的AI设计仍然面临的五个问题。 德国慕尼黑大学的Alena Khmelinskaia说：“希望设计定制蛋白质就像订餐一样简单。 传统方法依赖于微生物的变异来产生所需蛋白质，过程繁琐且效率低下。
    智药邦
    TS 蛋白质
    22
    0
    1周前
  • 2024最后疯狂！AlphaFold3重磅开源，AI结合蛋白质设计成果迎来全面爆发，最后两月连发顶刊不是梦想

    2024最后疯狂！AlphaFold3重磅开源，AI结合蛋白质设计成果迎来全面爆发，最后两月连发顶刊不是梦想
    这一模型能够准确预测蛋白质、DNA、RNA 以及配体等生命分子的结构及其相互作用方式。 在预测类药物相互作用方面，AlphaFold 3 实现了前所未有的准确度，包括蛋白质与配体的结合以及抗体与其靶蛋白的结合。 在 PoseBusters 的基准测试中， AlphaFold 3 的准确率比现有最佳传统方法高出 50%，而且无需任何结构信息输入，成为首个超越传统物理预测工具的人工智能系统。
    Being科学
    AlphaFold3 蛋白质
    40
    0
    1周前
  • Science｜通过结构域分类探究蛋白质宇宙的结构多样性

    Science｜通过结构域分类探究蛋白质宇宙的结构多样性
    AlphaFold系列结构预测算法的出现极大地拓展了已知的蛋白质结构空间，其中AlphaFold2算法为超过2.14亿条蛋白序列提供了预测结构，构成了庞大的AlphaFold蛋白结构数据库（AFDB）。 AFDB的数据规模对传统的结构域发现工具带来了挑战。 此外，他们还发现了超过1万个新的超家族间结构相互作用和上千个新折叠。
    智药邦
    蛋白质
    23
    0
    1周前
  • Nat Biotechnol｜Baker团队：利用序列空间扩散模型设计多状态和功能蛋白质

    Nat Biotechnol｜Baker团队：利用序列空间扩散模型设计多状态和功能蛋白质
    蛋白质去噪扩散概率模型（Denoising Diffusion Probabilistic Models, DDPM）能够高效的生成满足特定性质和功能需求的新型蛋白质，在蛋白质设计领域具有重要价值。 针对这一难题，华盛顿大学David Baker团队提出了新的解决方案。 他们认为在序列空间中进行扩散能够更加有效地从目前大量蛋白质序列数据中学习到更多知识。
    智药邦
    蛋白质 Nat Biotechnol
    33
    0
    2周前
  • 叶克穷研究组与合作者发现蛋白质通过双重结构行使毒药和解药功能

    叶克穷研究组与合作者发现蛋白质通过双重结构行使毒药和解药功能
    该研究在裂殖酵母中发现一种新型杀手基因tdk1,并揭示其蛋白质产物控制细胞生存的分子和结构机制。 杀手减数分裂驱动因子(killer meiotic driver, KMD)是一类自私的遗传元件，能杀死在减数分裂中不携带该基因的配子，从而增加自身传递给后代的几率。 该研究在裂殖酵母中发现tdk1是一种新型杀手基因。
    大屯路15号
    蛋白质 叶克穷
    29
    0
    2周前
  • 复旦大学王满宁团队提出PGBind模型，通过基于口袋引导的显性注意力机制预测蛋白质-配体对接

    复旦大学王满宁团队提出PGBind模型，通过基于口袋引导的显性注意力机制预测蛋白质-配体对接
    作者提出了一种口袋引导策略来引导配体对接到蛋白质上的潜在对接区域（pocket-guided binding，PGBind） 。 为此，作者设计了一个即插即用模块来增强蛋白质特征，该模块首先估计目标蛋白上潜在的口袋区域，然后利用口袋引导的注意力机制来增强蛋白质的特征。 实验表明， PGBind在一系列任务中超越了现有方法 。
    智药邦
    蛋白质
    32
    0
    2周前
  • AI+蛋白质疗法开发｜Generate与诺华开展多靶点合作，预付款6500万美元

    AI+蛋白质疗法开发｜Generate与诺华开展多靶点合作，预付款6500万美元
    2024年9月24日，Generate:Biomedicines（以下简称 “Generate”）宣布与诺华（NYSE: NVS）开展多靶点合作，共同发现和开发多个疾病领域的蛋白质疗法。 该合作利用Generate专有的人工智能生成平台“Generate Platform”，通过基于人工智能的优化和从头生成，创造潜在的 first- in-class 和best-in-class 分子。 该合作将把机器学习与高通量实验验证相结合的Generate平台与诺华在靶标生物学、生物制剂开发和临床开发方面的专业知识和能力相结合，创造新型疗法，加快药物发现和开发的步伐。
    智药邦
    蛋白质 蛋白质疗法
    73
    0
    3周前