AlphaFold2-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

行动起来，活在当下

累计撰写 5205 篇文章
累计创建 1860 个标签
累计收到 0 条评论

目录CONTENT

以下是 AlphaFold2 相关的文章

2026-02-10
PLAID：通过学习蛋白质折叠模型的潜在空间生成蛋白质为庆祝2024年诺贝尔化学奖授予AlphaFold2，本文介绍了PLAID模型，这是一个多模态生成模型，能同时生成蛋白质的一维序列和三维结构。PLAID通过学习蛋白质折叠模型的潜在空间进行训练，能够接受“功能和生物体提示”，并能利用比结构数据库大2-4个数量级的序列数据库进行训练，解决了全原子生成和生物体特异性控制等关键挑战。
- 2026-02-10
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-01-24
告别“碰运气”式制药：诺奖得主、谷歌 DeepMind 创始人 Hassabis 要用 AI 攻克人类疾病谷歌 DeepMind 创始人、2024 年诺贝尔化学奖得主戴密斯·哈萨比斯（Demis Hassabis）正通过其分拆公司 Isomorphic Labs 进军生物制药领域。该公司致力于利用 AI 技术革新传统药物发现模式，改变耗资巨大且失败率高达 90% 的“大海捞针”式研发流程。Isomorphic Labs 采取“结构优先”策略，基于 AlphaFold 核心技术构建 AI 引擎，旨在将药物研发转化为精密工程，力求实现每年研发数十款新药的规模化目标，目前已专注于攻克胰腺癌、肺癌等领...
- 2026-01-24
- 1
- 0
- 0
- AI行业应用
- AI基础/开发
2026-01-16
PLAID：一种多模态生成模型，可同时生成蛋白质1D序列和3D结构继AlphaFold2获得诺贝尔奖之后，AI在生物学中的作用进入新阶段。本文介绍了PLAID，一种创新的多模态生成模型，它通过学习蛋白质折叠模型的潜在空间，能够同时生成蛋白质的1D序列和3D全原子结构。PLAID的独特之处在于它能接受组成式功能和生物体提示，并且仅需使用比结构数据库大2-4个数量级的序列数据库进行训练，为现实世界中的药物设计和蛋白质工程开辟了新的可能性。
- 2026-01-16
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发
2026-01-13
AlphaFold可以帮助非洲研究人员从事前沿结构生物学研究结构生物学对理解疾病和开发药物疫苗至关重要，但非洲在这一领域专业人才稀缺。本文作者指出，像BioStruct-Africa这样的非营利组织正在努力弥补这一差距。他强调，AlphaFold等先进AI工具的出现，为非洲研究人员提供了从事前沿结构生物学研究的强大助力，有助于加速该地区在生物医学领域的进步。
- 2026-01-13
- 0
- 0
- 0
- AI行业应用
- AI工具应用
2026-01-02
PLAID：从序列数据生成蛋白质结构，并实现功能和生物体控制继AlphaFold2获得诺贝尔奖之后，AI在生物学中的作用备受关注。本文介绍了PLAID，一个多模态生成模型，它通过学习蛋白质折叠模型的潜在空间，能够同时生成蛋白质的一维序列和三维结构。PLAID的创新之处在于仅需训练序列数据库，即可生成具有特定功能和生物体属性的“有用”蛋白质，为现实世界药物设计开辟了新途径。
- 2026-01-02
- 0
- 0
- 0
2025-12-24
AlphaFold 改变了科学界：五年后，它仍在发展谷歌 DeepMind 开发的 AlphaFold 系统迎来五周年。从最初的蛋白质折叠预测，到最近扩展到 DNA 和药物，AlphaFold 已成为生物学研究的核心工具。DeepMind 研究副总裁 Pushmeet Kohli 深入探讨了 AlphaFold 从“围棋时刻”到科学变革的转型、解决“幻觉”问题的策略，以及未来构建“AI 协同科学家”和模拟完整细胞的宏大愿景。
- 2025-12-24
- 1
- 0
- 0
2025-12-16
PLAID：从序列数据生成全原子蛋白质结构在AlphaFold2获得诺贝尔奖的背景下，本文介绍了PLAID（蛋白质结构和序列多模态生成模型），它通过学习蛋白质折叠模型的潜在空间，实现了从序列数据同时生成蛋白质1D序列和3D原子结构。PLAID支持组合式函数和生物体提示，并解决了全原子生成和物种特异性等关键挑战，为药物设计开辟了新途径。
- 2025-12-16
- 0
- 0
- 0
- AI基础/开发
- AI工具应用
2025-12-06
AlphaFold 的未来：与谷歌 DeepMind 诺贝尔奖得主对话自 AlphaFold 2 取得突破性进展并为约翰·邓珀（John Jumper）和德米斯·哈萨比斯（Demis Hassabis）带来诺贝尔化学奖以来，已过去五年。本文专访了约翰·邓珀，探讨 AlphaFold 对生物学的实际影响、它如何被“超说明书”地使用，以及未来如何将蛋白质结构预测与大型语言模型（LLM）相结合，引领科学发现的新浪潮。
- 2025-12-06
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-11-25
AlphaFold的下一步：与谷歌DeepMind诺贝尔奖得主对话 AlphaFold 2发布五周年之际，我们专访了共同领导其开发的谷歌DeepMind诺贝尔奖得主John Jumper。他分享了AlphaFold在科学领域的巨大影响，从蜜蜂疾病研究到新药开发的应用案例，并透露了将AlphaFold的深度能力与大型语言模型（LLM）相结合的未来展望。
- 2025-11-25
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-11-21
PLAID：一种同时生成蛋白质1D序列和3D结构的生成模型随着AlphaFold2的突破，AI在生物学中的作用日益凸显。本文介绍了PLAID，一个创新的多模态生成模型，它通过学习蛋白质折叠模型的潜在空间，能够同时生成蛋白质的1D序列和3D结构。PLAID支持基于功能和生物体提示的控制，并且仅需使用序列数据进行训练，极大地拓展了其应用范围。
- 2025-11-21
- 0
- 0
- 0
2025-11-19
谷歌DeepMind凭借AI获得诺贝尔奖：它能带来下一个重大突破吗？谷歌DeepMind自成立以来，其人工智能工具就取得了惊人的成就，包括击败围棋世界冠军和AlphaFold预测蛋白质结构并获得诺贝尔奖。然而，随着大型语言模型的兴起，DeepMind的未来面临新的挑战和深刻的疑问：它能否再次引领下一次重大的科学突破？
- 2025-11-19
- 0
- 0
- 0
- AI新闻/评测
- AI行业应用
2025-11-08
PLAID：一种可同时生成蛋白质1D序列和3D结构的多模态生成模型继AlphaFold2获得诺贝尔奖后，AI在生物学领域迈入新阶段。本文介绍了PLAID模型，它通过学习蛋白质折叠模型的潜在空间，实现了蛋白质1D序列和3D结构的联合生成。PLAID支持基于功能和生物体提示词的控制，并可仅使用序列数据库进行训练，是蛋白质设计领域的一大突破。
- 2025-11-08
- 0
- 0
- 0
- AI新闻/评测
- AI基础/开发