抓住「AI+生物醫藥」黃金時期，盤點2024年最值得關注的顛覆性成果

下一個黃金賽道是 AI + 生物醫藥

原標題：抓住「AI+生物醫藥」黃金時期，盤點2024年最值得關注的顛覆性成果
文章來源：HyperAI超神經
內容字數：17604字

AI賦能生物醫藥：46篇前沿論文解讀

本文總結了HyperAI超神經精選的2023-2024年間46篇AI在生物醫藥領域的前沿論文，這些論文涵蓋了CVPR 2024、ICML 2024、ACL 2024、Nature等國際知名會議和期刊，研究機構包括微軟研究院、DeepMind、麻省理工學院等全球頂級高校和機構。文章內容聚焦AI在蛋白質結構預測、藥物研發、基因測序和細胞研究等方面的突破性進展，并對部分論文進行了簡要介紹。

1. 蛋白質結構預測與設計

1. **AlphaFold及其衍生應用:** AlphaFold及其改進版本在蛋白質三維結構預測方面取得了性進展，為理解蛋白質功能和開發靶向藥物提供了有力工具。多篇論文基于AlphaFold進行改進和拓展，例如麻省理工團隊利用AlphaFold和自定義流匹配框架，獲得了序列條件的蛋白質結構生成模型AlphaFLOW和ESMFLOW，揭示了蛋白質動態多樣性。(論文06)

2. **蛋白質從頭設計:** 多篇論文關注AI輔助的蛋白質從頭設計，例如David Baker團隊研發了基于擴散模型的技術RFpeptides，用于設計高親和力的大環結合物，為不可成藥蛋白質提供新可能性。(論文01) 中科院團隊開發了基于擴散模型的P450酶從頭設計方法P450Diffusion，提高了催化能力。(論文08) DeepMind的AlphaProteo則能夠高效設計靶蛋白結合物，親和力提高300倍。(論文25)

3. **蛋白質語言模型:** 多篇論文利用蛋白質語言模型(PLM)進行蛋白質特性預測和設計，例如上海交大團隊開發的ProSST模型有效整合了蛋白質結構信息。(論文07) 浙江大學團隊提出的DePLM模型，在突變效應預測方面優于現有模型。(論文09) 清華大學等聯合發布的ESM-AA模型，在靶點-配體結合等任務上性能顯著提升。(論文17)

2. 藥物研發

1. **藥物設計與篩選:** AI在藥物設計和篩選方面發揮著越來越重要的作用。多篇論文利用AI預測藥物特性、設計新藥，并縮短藥物研發周期。例如，湖南大學等聯合推出的藥物研發大語言模型Y-Mol，性能全面領先LLaMA2。(論文03) 中南大學團隊發布的AdaDR，基于自適應圖卷積網絡進行藥物重定位。(論文31) 麥克馬斯特大學和斯坦福大學的研究人員利用生成式AI模型SyntheMol設計新型抗生素。(論文32)

2. **蛋白質-配體結合預測:** 上海交通大合星藥科技等提出的DynamicBind模型，實現了蛋白質動態對接預測，為藥物發現提供了新的工具。(論文11) 中國人民大學團隊提出的EquiPocket框架，將等變圖神經網絡應用于靶蛋白結合位點預測。(論文10)

3. 基因組學與細胞研究

1. **基因組測序與分析:** AI可以從海量基因測序數據中精準挖掘信息，快速識別基因突變，助力科研人員鎖定與疾病相關的基因變異。DeepMind開發的AlphaMissense預測了7100萬種基因錯義突變。(論文28)

2. **單細胞分析:** 清華大學團隊發布的scFoundation細胞大模型，能夠同時處理約2萬個基因，在細胞測序深度增強、細胞藥物響應預測等任務中表現出色。(論文19) 清華大學張強鋒課題組開發的SPACE算法，能夠從單細胞分辨率的空間轉錄組數據中識別空間細胞類型和發現組織模塊。(論文22)

3. **細胞分化與工程:** 北京大學團隊研發了基于機器學習的多能干細胞分化系統，高效、穩定地制備功能性細胞。(論文41)

4. 其他應用

論文還涵蓋了AI在天然產物挖掘(論文24)、RNA修飾鑒定(論文30)、病毒免疫原性預測(論文33)等方面的應用，以及利用AI加速長效注射劑研發(論文39)和藥物3D打印(論文42)等。

總而言之，這些論文展示了AI在生物醫藥領域巨大的潛力，為疾病診斷、藥物研發和生物技術創新帶來了新的希望。 更多詳細信息，請參考原文提供的GitHub鏈接。

聯系作者

文章來源：HyperAI超神經
作者微信：
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例