劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory,LBNL 或LBL)、美国空军研究实验室(Air Force Research Laboratory 缩写AFRL)等机构的研究人员合作,对人工智能在合成生物学中的应用现状、影响、挑战以及潜力与前景进行了较为系统的阐述。
空间分辨转录组学的最新进展使得能够全面测量基因表达模式,同时保留组织微环境的空间背景。破译组织中斑点的空间背景需要仔细使用它们的空间信息。
针对核酸大分子,特别是 RNA 的基于结构的药物设计(SBDD)是一个获得动力的研究方向,已经产生了几种 FDA 批准的化合物。
随着越来越多的医疗保健机构和供应商致力于使用 AI 和数据改善患者护理,由 AI 驱动的药物发现初创公司 Protai,正利用蛋白质组学和端到端的 AI 平台,重塑药物发现和开发过程。
大数据时代,AI 技术在复杂对象的特征表征、多模态融合、样本自动生成等问题中表现出独特的优势,为合成生物学的应用插上了腾飞的翅膀。
「了解大脑的所有复杂性需要从多个尺度——从基因组学、细胞和突触到整个器官水平的洞察力。这意味着处理大量数据,超级计算正在成为解决大脑问题的不可或缺的工具。」
今天,生物医学研究人员可以通过使用机器学习进行基于图像的分析,有效地对显微镜图像中的数千个细胞进行分类。
Bülent Kızıltan 博士既是一名科学家也是一位企业高管,他通过将创业思维与卓越科学相结合从而推动创新。目前,他在诺华负责因果分析和预测分析的创新工作。以下是他关于药物发现中的数据科学、预测分析和人工智能的访谈内容。
来自美国莫格里奇研究所的 Timothy Grant 发表观点文章,评论《Nature Methods》上的两项蛋白质分子动力学方面的研究,并表示新的计算方法从冷冻电镜图像中捕获分子运动,并提供对蛋白质动力学的更完整理解。
高性能人工智能 (AI) 计算的先驱 Cerebras 和生物技术平台公司 Peptilogics,近日宣布了一项合作,将通过人工智能加速肽疗法的开发周期。