虛擬會員商城網(wǎng)站分銷,asp做的網(wǎng)站后臺怎么進去,分銷商城開發(fā)多少錢,seo推廣優(yōu)化外包價格如題#xff0c;生信基地的小伙伴前兩天參加了場學術(shù)會議#xff0c;簡單記錄一下此次參會的收獲。校長報告人工智能如何重塑藥物研發(fā)的未來#xff1f;智能藥學將如何推動醫(yī)藥產(chǎn)業(yè)轉(zhuǎn)型升級#xff1f;是加速進程還是改變范式#xff1f;首先上午第一場報告由校長提出三個…如題生信基地的小伙伴前兩天參加了場學術(shù)會議簡單記錄一下此次參會的收獲。校長報告人工智能如何重塑藥物研發(fā)的未來智能藥學將如何推動醫(yī)藥產(chǎn)業(yè)轉(zhuǎn)型升級是加速進程還是改變范式首先上午第一場報告由校長提出三個關(guān)乎醫(yī)藥產(chǎn)業(yè)發(fā)展的核心問題指出新藥研發(fā)的產(chǎn)出投入比逐年降低全球范圍內(nèi)新藥的出現(xiàn)幾率越來越低然后提出了人工智能在藥物研發(fā)中的應(yīng)用并指出當前我國人工智能輔助藥物研發(fā)技術(shù)遠遠落后于其他國家。他強調(diào)要推動人工智能、藥學、生命科學和醫(yī)學領(lǐng)域的專家聯(lián)手形成新興的智能藥學交叉學科。他還透露學校將在南京江北新區(qū)建立一個實驗室期待全球?qū)＜覍W者的加入各位如果有這方面的想法并且對ai輔助藥物設(shè)計有深入研究的可以了解一下?；谖锢砟Ｐ团c人工智能的藥物設(shè)計上午第二場由北大教授來魯華報導介紹了他們團隊的一些最新進展LigBuilder V3: A Multi-Target de novo DrugDesign Approach來魯華課題組在《Frontiers in Chemistry》發(fā)表研究推出首個從頭多靶點藥物設(shè)計程序 LigBuilder V3該程序基于遺傳算法創(chuàng)新定義 “構(gòu)象群”“化學簇”“構(gòu)象簇” 等數(shù)據(jù)結(jié)構(gòu)通過多目標從頭設(shè)計、多目標增長、多目標連接三種策略可設(shè)計靶向多個受體、一個受體多個結(jié)合位點或多種構(gòu)象的配體其開發(fā)的集成連接算法能提升片段連接效率經(jīng)設(shè)計 HIV 蛋白酶和 HIV 逆轉(zhuǎn)錄酶雙功能抑制劑驗證相關(guān)化合物通過 MM/GBSA 結(jié)合自由能估計顯示出較高多靶點藥物潛力可在官網(wǎng)下載http://www.pkumdl.cn:8080/ligbuilder3/。Yuan, Yaxia et al. “LigBuilder V3: A Multi-Target de novo Drug Design Approach.” Frontiers in chemistry vol. 8 142. 28 Feb. 2020, doi:10.3389/fchem.2020.00142Identification of gut microbial bile acid metabolic enzymes via an AI-assisted pipeline該文發(fā)表在國際頂刊《Cell》提出了一種人工智能AI輔助工具——膽汁酸酶宣告單元工具BEAUT預(yù)測了超過60萬種候選膽汁酸BA代謝酶構(gòu)建了可公開訪問的 HGBME 數(shù)據(jù)庫https://beaut.bjmu.edu.cn。BEAUT 是一款基于序列的膽汁酸代謝酶二分類模型核心架構(gòu)由 “特征提取層 分類層” 組成以蛋白質(zhì)語言模型 ESM2 為基礎(chǔ)基于 Transformer 架構(gòu)的深度神經(jīng)網(wǎng)絡(luò)從宏基因組數(shù)據(jù)中篩選膽汁酸代謝酶候選序列。通過實驗驗了證腸道微生物中存在兩類關(guān)鍵新酶——單酸?；懼崴饷窶ABH和 3-乙酰脫氧膽酸合成酶ADS證明微生物對膽汁酸的修飾不僅限于功能基團羥基、羧基等還存在碳骨架層面的創(chuàng)新修飾。Ding Y, Luo X, Guo J, et al. Identification of gut microbial bile acid metabolic enzymes via an AI-assisted pipeline[J]. Cell, 2025, 188(21): 6012-6027. e20.Accelerating discovery of bioactive ligands with pharmacophore-informed generative models發(fā)表于《Nature Communications》提出 pharmacophore 引導的生成模型 TransPharmer其整合基于配體的可解釋藥效團指紋與生成式預(yù)訓練 TransformerGPT框架可實現(xiàn)無約束分布學習、從頭分子生成及藥效團約束下的骨架拓展尤其擅長骨架躍遷以產(chǎn)生結(jié)構(gòu)獨特但藥學相關(guān)的化合物通過多巴胺受體 D2DRD2和 polo 樣激酶 1PLK1相關(guān)案例驗證其有效性其中針對 PLK1 合成的 4 個化合物中 3 個具有亞微摩爾活性最優(yōu)化合物 IIP0943 potency 達 5.1 nM擁有新型 4-(苯并 [b] 噻吩 - 7 - 基氧基) 嘧啶骨架兼具高 PLK1 選擇性及對 HCT116 細胞增殖的亞微摩爾抑制活性為發(fā)現(xiàn)結(jié)構(gòu)新穎且具生物活性的配體提供了有力工具。Xie W, Zhang J, Xie Q, et al. Accelerating discovery of bioactive ligands with pharmacophore-informed generative models[J]. Nature communications, 2025, 16(1): 2391.Benchmarking Cofolding Methods for Molecular Glue Ternary Structure Prediction發(fā)表在《Journal of Chemical Information and Modeling》構(gòu)建了含 221 個實驗結(jié)構(gòu)的分子膠三元復合物數(shù)據(jù)集 MG-PDB 及獨立基準測試集 MGBench含 88 個 2021 年后發(fā)布的無數(shù)據(jù)泄露結(jié)構(gòu)對 AlphaFold 3 等五種主流 AI 共折疊模型進行系統(tǒng)性評測發(fā)現(xiàn) AlphaFold 3 表現(xiàn)最佳其蛋白質(zhì) - 蛋白質(zhì)相互作用界面和分子膠 - 蛋白質(zhì)相互作用預(yù)測成功率分別達 50.6% 和 32.9%但所有模型均存在泛化能力不足、對大相互作用界面及分子膠降解劑復合物預(yù)測準確性低、依賴訓練集相似結(jié)構(gòu) “記憶” 等問題且在新型 E3 連接酶相關(guān)復合物預(yù)測中完全失敗該研究建立的標準數(shù)據(jù)集與測試集為分子膠結(jié)構(gòu)預(yù)測算法開發(fā)提供了關(guān)鍵資源也為后續(xù)模型改進指明了方向。Liao Y, Zhu J, Xie J, et al. Benchmarking cofolding methods for molecular glue ternary structure prediction[J]. Journal of Chemical Information and Modeling, 2025.Computer-Aided Drug Discovery for Undruggable Targets《Chemical Reviews》發(fā)表綜述總結(jié)了物理模型與人工智能驅(qū)動的計算機輔助方法在 “不可藥” 靶標小分子藥物發(fā)現(xiàn)中的最新進展將 “不可藥” 靶標分為缺乏配體結(jié)合口袋、活性位點保守、天然無序蛋白、蛋白 - 蛋白相互作用或大組裝體界面、需激活的疾病抑制蛋白五類重點聚焦靶向無序蛋白、別構(gòu)位點、蛋白 - 蛋白相互作用及蛋白降解四大方向梳理了相關(guān)策略、成功案例與核心挑戰(zhàn)強調(diào)計算與 AI 技術(shù)在靶標識別、動態(tài)結(jié)構(gòu)預(yù)測、虛擬篩選、分子生成等環(huán)節(jié)的關(guān)鍵作用指出 “不可藥” 正從 “難以藥物化” 向 “有待藥物化” 轉(zhuǎn)變。同時展望未來提出需構(gòu)建靶標特異性化合物庫、發(fā)展 AI 分子生成模型、結(jié)合高通量實驗以及探索蛋白質(zhì) / 多肽設(shè)計等方向推動多數(shù) “不可藥” 靶標轉(zhuǎn)化為可藥靶標為疾病治療提供新機會。Sun Q, Wang H, Xie J, et al. Computer-Aided Drug Discovery for Undruggable Targets[J]. Chemical Reviews, 2025.分會一藥物智能設(shè)計與優(yōu)化(生物大分子)A kinetic gatekeeper: TCR-pMHC dissociation dynamics determine T cell activation efficacy深圳理工大學張增輝帶來的蛋白-蛋白相互作用及TCR-pMHC解離動力學對T細胞激化的關(guān)鍵影響主要討論了小分子藥物篩選、TCR免疫治療以及治療性疫苗開發(fā)的最新研究進展。此外還分享了部分實驗數(shù)據(jù)、計算模擬方法以及在抗結(jié)核和抗病毒領(lǐng)域的潛在應(yīng)用。提出了一種能夠有效抑制細胞生長的分子藥物并計劃進一步開發(fā)為抗TB藥物但目前該分子已申請專利未公開這部分的工作。感興趣的同學可以參考https://doi.org/10.1002/pro.70346這篇文章Yan M, Wang J, Zhang J Z H. A kinetic gatekeeper: TCR‐pMHC dissociation dynamics determine T cell activation efficacy[J]. Protein Science, 2025, 34(11): e70346.人工智能驅(qū)動的抗體藥物研發(fā)復旦大學應(yīng)天雷帶來的關(guān)于人工智能驅(qū)動抗體藥物研發(fā)的研討會主要圍繞了抗體藥物的發(fā)展與作用機制、抗體藥物的創(chuàng)新與設(shè)計、人工智能在抗體藥物研發(fā)中的應(yīng)用以及臨床進展與成果這四個方面開展。結(jié)束后我查了一下他們的工作其中最讓我感興趣的是“A Generative Foundation Model for Antibody Design”這一篇文章。提出了一種多功能抗體生成基礎(chǔ)模型IgGM。該模型整合預(yù)訓練蛋白質(zhì)語言模型PPSM、Sgformer 特征編碼器和預(yù)測模塊同時學習抗原-抗體結(jié)合規(guī)律與抗體序列-結(jié)構(gòu)映射關(guān)系。覆蓋六大抗體設(shè)計場景抗原 - 抗體復合物結(jié)構(gòu)預(yù)測、抗體逆設(shè)計、抗體框架區(qū)設(shè)計、抗體親和力成熟、抗體從頭設(shè)計、納米抗體設(shè)計。該模型的意義在于首次實現(xiàn)抗體設(shè)計多任務(wù)統(tǒng)一無需模板即可生成高活性抗體為腫瘤免疫、抗病毒等領(lǐng)域的抗體開發(fā)提供高效工具。感興趣的同學可參考https://doi.org/10.1101/2025.09.12.675771Wang R, Wu F, Shi J, et al. A generative foundation model for antibody design[J]. bioRxiv, 2025: 2025.09. 12.675771.分會二制藥物靶點的智能發(fā)現(xiàn)與驗證Al Agent提速創(chuàng)新藥進入IND階段智慧芽信息科技有限公司的胡瑋介紹了其公司開發(fā)的一個ai agent平臺該平臺可用于優(yōu)化藥物研發(fā)工作流包括構(gòu)效關(guān)系分析、專利自動化處理及臨床數(shù)據(jù)預(yù)測等場景。鄙人也是第一此聽到這個詞查閱資料后明白了原來就是一種具備自主感知、決策與執(zhí)行能力的 AI 系統(tǒng)說人話就是給ai裝上小插件也就是chatGPT幾年前玩的東西并不新鮮。值得注意的是提供了一個ai平臺將多個生物醫(yī)藥專屬的數(shù)據(jù)庫賦予人工智能大腦但是這個平臺很多都是收費的對于我們意義不大。工具的網(wǎng)址放在這里https://home.zhihuiya.com/。基于“天穹一號”科學計算的藥物靶點發(fā)現(xiàn)及應(yīng)用上海思朗科技股份有限公司的賀明給我們介紹了他們公司自主研發(fā)的超算“天穹一號”主要就是介紹了他的發(fā)展歷史、計算規(guī)模和速度以及計算機的硬件架構(gòu)?？吹竭@里我不禁感慨國產(chǎn)芯片發(fā)展如此迅速 從被 “卡脖子” 時的處處受限到現(xiàn)在能夠自主研發(fā)這種逆襲背后是無數(shù)科研團隊和企業(yè)的持續(xù)攻堅在這里給他們點個大大的贊。不過話說回來這種超規(guī)模的計算對于我們來說并沒有需求在這里可以考慮我們的計算服務(wù)。長期以來我們都在致力于提供足夠支持你完成碩博生涯的生信環(huán)境近期還新鮮上機了RTX5090、4080S、5070顯卡。詳細可點擊https://mp.weixin.qq.com/s/fkQNWmOEAVjiqMd4vYoDIw了解。結(jié)束語最后如果也有其他同學也參與了此次會議也非常歡迎大家和我們共同分享您的參會體驗