2024诺奖得主David Baker创立新公司，AI设计全新药物形式——抗体笼，源自Science论文
诺奖得主、蛋白质设计先驱 David Baker 教授设计了全新的生物药物类型——抗体笼（Antibody cage，AbC），将抗体定位到由人工智能（AI）精确设计的自然界中不存在的新型几何构型中。
里程碑时刻：David Baker团队利用生成式AI从头设计抗体，AI进入千亿美元抗体药市场
RFdiffusion是对当前的蛋白质设计方法的一次综合改进，能从头设计总长度达600个氨基酸残基的蛋白，且实现了前所未有的复杂性和准确度。
Cell子刊：郑传胜团队等开发生成式AI系统，实现实时低剂量DSA成像
研究结果表明，GenDSA具有明确的临床转化价值，可以在DSA引导的手术过程中显著减少医生和患者的辐射损伤。
《自然·生物技术》：9分钟区分癌组织与正常组织的AI工具诞生了！
结果显示，iSTAR不仅准确性更高，而且速度更快。使用乳腺癌数据集进行分析时，XFuse需要1969分钟，而iSTAR仅需9分钟，比XFuse快了213倍。
AI破冰癌症治疗！Cancer Res：牛津大学科学家利用人工智能技术开发更具个性化的癌症疗法策略，能显著延长患者复发的时间，最长可达两倍
研究结果表明，DRL框架始终优于在临床中使用的传统MTD和适应性策略，从而就能延迟队列中所测试的所有患者的复发事件，并能将一些患者的复发时间延迟一倍以上。
Science封面：华人学者开发AI模型，学会生命的语言，生成新型CRISPR系统乃至整个基因组
该研究开发了从分子到基因组尺度都能进行预测和生成任务的基因组基础模型——Evo模型。这是第一个在全基因组规模上以单核苷酸分辨率预测和生成DNA序列的模型。
AI仍需努力！徐华强团队证实，AlphaFold3预测GPCR-配体复合物结构准确性不足
该研究为在GPCR研究中使用AlphaFold3的研究人员提供了有价值的见解，强调了基于实验的结构确定的必要性，并为未来在计算模型中改进蛋白质-配体相互作用预测提供了方向。
Nature：苏浩团队利用AI模拟训练，提升机器人外骨骼的表现
在这项最新研究中，苏浩团队开发了一个能从人类-装置交互中学习的框架，该框架不需要漫长的人体实验和人力资源。他们开发了能在模拟中生成人体运动、肌肉协调和外骨骼控制的三个互联神经网络。
为AI制药带来新工具：浙大侯廷军团队开发基于大语言模型的多属性分子优化工具
该研究开发的Prompt-MolOpt提供了一种灵活的多属性、多点分子优化方法，在化学研究和药物及材料发现方面具有潜在实用价值。
AI赋能药物研发的概念性验证，英矽智能TNIK抑制剂临床IIa期数据揭盲
特发性肺纤维化（IPF）是一种慢性、瘢痕性肺病，其特征是肺功能进行性且不可逆的下降。IPF影响全球约500万人，预后较差，中位生存期仅为3-4年。