数字孪生（Digital Twin）通过融合数据、模型与领域知识，实现对真实系统的动态虚拟映射，被认为是推动化工过程智能化与可持续发展的关键技术。然而，目前化工...

糖基化是真核生物中最广泛且最复杂的翻译后修饰之一，其在细胞识别、免疫调控、疾病发生以及蛋白功能调节中发挥关键作用。随着糖蛋白质组学的发展，基于液相色谱-质谱（L...

免疫检查点抑制剂（checkpoint inhibitor, CPI）彻底改变了癌症治疗模式，但在大多数癌种中，真正能够获得长期临床获益的患者仍然只占少数。因此...

随着深度学习模型在医学影像、疾病诊断以及临床辅助决策中的广泛应用，可解释性逐渐成为医疗人工智能系统安全落地的核心要求。然而，当前大多数医学AI模型依然属于“黑箱...

数字孪生（Digital Twin）通过融合数据、模型与领域知识，实现对真实系统的动态虚拟映射，被认为是推动化工过程智能化与可持续发展的关键技术。然而，目前化工...

基于DNA序列的深度学习模型正在推动基因组功能解析的发展，但目前大多数模型仍然局限于特定任务，需要针对不同数据集重新训练，因此难以在复杂生物学场景中实现通用化应...

空间转录组技术（spatial transcriptomics, ST）能够揭示组织内部基因表达的空间分布，但其高昂成本严重限制了大规模应用。相比之下，H&E染...

生物分子凝聚体（biomolecular condensates）的界面在蛋白聚集、液-固转变以及多种生化反应中具有关键作用，因此被认为是调控凝聚体行为的重要靶...

研究人员提出了一种具备多模态推理能力的对话式诊断人工智能系统——multimodal AMIE。研究人员指出，真实世界中的临床诊疗并不仅依赖文本问答，而是需要综...

T细胞受体（TCR）如何识别抗原，是适应性免疫学中最核心但也最复杂的问题之一。由于不同TCR可能识别相同抗原，而高度相似的TCR又可能表现出完全不同的特异性，因...

抗生素耐药性正在全球范围快速加剧，迫切需要更高效、更可靠的抗菌药物设计方法。虽然近年来人工智能已经被广泛用于抗菌肽发现，但大多数方法仍然侧重于从固定数据库中筛选...

这篇发表于 Nature Computational Science 的研究，由 Joseph M. Cavanagh 等与 Teresa Head-Gordo...

抗生素耐药性正在全球范围快速加剧，迫切需要更高效、更可靠的抗菌药物设计方法。虽然近年来人工智能已经被广泛用于抗菌肽发现，但大多数方法仍然侧重于从固定数据库中筛选...

此外，文章还讨论了counterfactual explanation（反事实解释）与contrastive explanation（对比解释）。反事实方法关注...

近年来，大语言模型（LLMs）在自然语言处理领域取得突破性进展，但其在分子生成与药物发现中的能力仍然有限。传统化学语言模型（CLMs）通常需要从头使用大量化学数...

密度泛函理论（DFT）是量子化学和材料科学中的核心计算工具。然而，其预测能力在很大程度上仍受限于交换-相关（XC）泛函的质量。传统XC泛函通常依赖物理直觉、严格...

蛋白质是细胞功能的最终执行者，决定了细胞真实的表型状态。尽管单细胞转录组数据已经广泛应用于细胞状态解析，但RNA表达本身并不能完整反映蛋白质层面的功能变化。目前...

多组学技术的发展使研究人员能够从分子层面更深入地理解疾病发生机制，其中代谢组学与蛋白质组学被认为是最具临床转化潜力的两类组学数据。然而，能够同时整合两类组学并系...

基础机器学习原子间势（foundation machine learning interatomic potentials, MLIPs）已经成为原子尺度模拟的...

在数字医疗时代，患者“被遗忘权（Right to be Forgotten, RtbF）”要求人工智能系统能够在患者提出请求后，从已部署模型中删除对应健康记录。...