标签
AI设计的合成蛋白质组装使得基因疗法递送系统远优于天然衣壳，正如一篇Nature论文所报道的。
本文介绍了TourSynbio-Search，一个由LLM驱动的智能体框架，用于跨文献和生物数据库的统一蛋白质工程搜索。该框架由TourSynbio-7B多模态模型驱动，包含PaperSearch和ProteinSearch两个组件。
介绍了AutoProteinEngine（AutoPE），这是一个由大语言模型驱动的智能体框架，使不具备深度学习专业知识的生物学家能够通过自然语言执行蛋白质工程中的多模态AutoML，展示了相比零样本和手动微调方法的性能提升。
清华大学研究者发现，丝氨酸和芳香族残基促进生物分子凝聚体混合，而带电氨基酸驱动分离，从而能够预测和设计凝聚体的混溶性。
该Nature研究论文介绍了一种AI方法，该方法重新设计起点和结果以增强蛋白质进化。
研究人员利用AlphaFold AI识别并重新设计基因编辑蛋白（Cas9）中导致脱靶效应的部分，通过减少意外编辑显著提高了安全性。
AbICL提出了一种面向抗原特异性抗体亲和力排序的上下文学习框架，将预训练的结构编码器与上下文排序头相结合，利用带标签的演示进行测试时自适应，无需梯度更新。
本文研究了在合成因果表上预训练的表格上下文学习模型能否从有限的标注数据泛化到生物分子性质的预测。作者发现，这些模型在蛋白质适应性回归任务上具有竞争力，但在小分子分类中，表示选择至关重要。
Arc Institute 宣布 Germinal 诞生，这是一个生成式 AI 系统，用于从头设计抗体，已发表在 Nature Biotechnology 上。它设计表位靶向抗体，具有纳摩尔亲和力，每个靶点仅需测试几十种设计，使定制抗体设计更加便捷。
Pepti-Agent是一个用于治疗性多肽设计的闭环AI框架，它利用MCP工具和LLM控制器，基于多属性配置文件迭代优化序列，解决了溶解度、溶血性和非特异性吸附等约束条件。
OpenAI 与 Retro Biosciences 合作开发了 GPT-4b micro，这是 GPT-4o 的专门版本，用于蛋白质工程，实现了干细胞重编程标志物表达提高 50 倍，并增强了 DNA 损伤修复能力。这些发现已在多个供体和细胞类型中得到验证，证明了人工智能加速生命科学研究的潜力。