- 综合排序
- 最热优先
- 最新优先
- 来自专栏博文视点Broadview
从生物工程到生物“打印”，3D打印颠覆想象
---- 被称之为“3D 打印”实际上并不是什么打印，而是一种产品制造和生产的过程。这些产品的制造和生产早就存在，“3D 打印”只不过是提供了另外一种快速而精确生成的方法而已。 如今有了3D 打印技术，如果你的牙科医生有一台能打印牙齿的3D 打印机的话，那么他就不需要到别的地方为你预定假牙了，可以用打印机打印一个出来。 目前，3D 打印逐渐被应用到生物和医学研究中，特别是与器官移植等有关的再生医学中，也是基于近几十年来生物和医学突飞猛进的发展，如克隆技术、干细胞的研究、组织工程、人造器官的研究等领域所取得的丰硕成果，才为 3D 生物打印开启了大门。 在生物工程发展了几十年之后的今天，我们才有了谈及“3D生物打印”的可能性。 本文摘自《喷头下的世界：漫谈3D打印》
89210发布于 2020-06-11 - 来自专栏机器人网
Organovo：开创3D生物打印新纪元
估计有40000只猴子和3千万小白鼠被用于生物和医药研究，不过它们可能很快就要失业了。 Casey Research将公司的描述成一个开发3D人体组织打印技术去制造人体组织用于外科手术和研究的公司。 Organovo 利用NovoGen MMX Bioprinter将液体状的人类细胞簇群（Organovo团队将其称为‘生物墨水bio-ink’）制造了“全功能的组织（即器官）。 为了制造3D结构的器官，Organovo利用打印机 将这些细胞按设计好的形状装配成形。”
88040发布于 2018-04-12 - 来自专栏刘旷专栏
全产业链布局深入，华熙生物要做生物科技的3M？
反过来说，成熟的技术体系有效支撑了华熙生物在各个领域将玻尿酸等生物活性物质原料的应用潜力开发出来。 很多国际科技企业的成长逻辑也是如此，比如3M公司。 3M拥有材料、工艺、研发、数字化、应用开发五大技术体系，而每个体系下又包含丰富的生态环节，比如材料技术体系，有研磨、粘接、电子材料、生物材料、薄膜等共计15种差异化材料。 基于成熟的技术体系，华熙生物的创新转化也在迈出更大的步子。比较典型的就是前面提到的玻尿酸食品。 华熙生物此前曾明确表示，功能性食品业务将是华熙生物未来几年的重点发力方向。 产业化和平台化是华熙生物未来科技战略的两个关键词，为此华熙生物还在今年1月上线了“华熙生物研究院”，愿景是构建共享研发平台、企业中试平台和应用平台，实现产业链的共赢。
45030发布于 2021-04-16 - 来自专栏Linux基础入门
（3）分子生物学专业名词
3、转录单位是指RNA的合成是由RNA聚合酶（RNA polymerase)催化的。 原核生物的转录单位往往可以包括一个以上的基因，基因之间为间隔区，转录后形成多顺反子mRNA，可以编码多条不同的多肽链。 真核生物的转录单位一般只有一个基因，转录后形成单顺反子mRNA，只编码一条多肽链。 4、共转录：(1)原核生物的基因以多顺反子或操纵子形式存在，被转录为一个共同的信使核糖核酸(mRNA)。 11、Rho依赖性转录终止：指原核生物转录过程中一种需要依赖Rho因子辅助才能完成转录终止的现象。 14、原生动物门（Protozoa）是原生生物界的一门，为最原始、最简单、最低等的生物。它们的主要特征是身体由单个细胞构成的，因此也称为单细胞动物。 15、底物：能和特异的酶结合的物质。 ?
1.1K20发布于 2020-08-26 - 来自专栏Listenlii的生物信息笔记
微生物领域名言（3）Everything is everywhere的历史
这句话经常被用作研究原核生物和原生生物多样性及其生物地理格局问题的起点；以及群落构建机制理论，隐藏于经典的生态位理论中。 Baas Becking认为微生物在地球上均匀地传播和分布，当所有的微生物分布在世界各地时，在一个特定的环境中，大多数微生物物种只是潜伏在那里。 因此在小范围内，大多数微生物的生物多样性是隐藏的，我们无法观察到，因为大多数物种的密度将低于我们的检测极限。 这并不是说没有生物地理模式，而是说因为微生物是无限分散的，环境条件将决定其分布，而不是任何特定的地理因素。因此微生物的进化将受到生态的驱动，而地理将在其中不起任何作用。 of Science Part C: Studies in History and Philosophy of Biologicaland Biomedical Sciences (2008) 39(3)
4.1K41发布于 2020-11-03 - 来自专栏新智元
AlphaFold 3一夜预测地球所有生物分子，谷歌DeepMind颠覆生物学登Nature头版！
AlphaFold 3一经推出，就登上Nature头版。从此，人类冲破「蛋白质宇宙」，所有生物分子结构都可以预测了！ 今天，升级后的AlphaFold 3能够以前所未有的「原子精度」，预测出所有生物分子的结构和相互作用。 最重要的是，与传统方法相比，AF3预测相互作用的准确率暴涨50%。 而AlphaFold 3的诞生，则让生物分子领域的研究拓展到了蛋白质之外。 生物可再生材料、更耐用作物的培养、药物设计和基因组学研究等等，可能将很快迎来颠覆性变革。 而按照当前实验结构生物学的发展速度，这本需要数亿researcher-year的工作。 有了AlphaFold 3，从此生物世界可以以高清晰度呈现。 AlphaFold 3不仅将彻底改变我们对生物系统的认识，还将以前所未有的水平上确定新的、特异的化学或生物药物！我无法用言语来形容这是一个多么重大的进步！真是叹为观止！
47310编辑于 2024-05-14 - 来自专栏全栈程序员必看
生物识别指纹_生物指纹识别技术
锁屏要使用指纹解锁，首先要注册指纹服务，我看过的一些大厂项目中，实际上是在KeyguardUpdate.java类中发起注册的，一般是根据当前状态，是不是已经处于上锁状态（侧边指纹机器，是不等上锁即进行指纹服务注册，屏下指纹需要等上锁后，才发起指纹服务注册）。
5.3K31编辑于 2022-09-22 - 来自专栏科技记者
生物信息学数据管理习题 Python3
《Python生物信息学数据管理》 这是我两三年前学习过的一本书，我觉得这本书挺好，把生物学的问题直接在python学习中解决了，推荐给大家，之前还整理了习题代码，分享一下。 我是用python3完成的，当然二者区别也很小（目前我基本只认识到了print函数的区别），除非遇上那种多年不遇的bug。 这里要说下技能树赠送的《生物信息学讲义》，R语言的知识点讲的清晰明了，再次加深了这种感觉。虽然对于R语言还是在门口徘徊，但坚定了继续翻几本书将入门进行到底的决心。 http://mpvideo.qpic.cn/0bf26yaakaaahialzmfx6vpfb5wdax3aabia.f10002.mp4?
1K20发布于 2020-05-18 最新AlphaFold 3：预测所有生物分子结构、相互作用
1.写在开头 最近总是看到AlphaFold 3又在Nature发表的新闻，我便想亲自体验一下AlphaFold 3的强度之处 2.简介 AlphaFold 3采用了一种全新的、基于扩散的架构，可以联合预测各种复合物的结构 这意味着它可以帮助我们更准确地了解蛋白质是如何相互作用的，这对于药物研发、生物工程等领域有着巨大的潜力。 3.对生物、医药、科学的意义 最让人兴奋的是，AlphaFold 3相比以前的专业工具在准确性上有了显著的提升。对于蛋白质和配体之间的相互作用，它的准确性远远超过了当前最先进的对接工具。 AlphaFold 3的推出，无疑将推动我们对生命科学的理解和探索迈出一大步！ 4. AlphaFold 3如何使用？ 也不得将其用于训练机器学习模型或相关技术，用于类似AlphaFold服务器的生物分子结构预测。
78810编辑于 2024-05-13- 来自专栏企鹅号快讯
机器正在生物化＆生物正在工程化
机器，正在生物化；而生物，正在工程化。这并不意味着未来是灰色冰冷的钢铁世界；相反，未来朝向的正是一种新生物的文明。 自然一直在用她的血肉供养着人类，获取食物、衣着和居所。 很不幸，在KK成书之后“生物圈2号”并没有冒出。“生物圈2号”先后迎来两批居民，但是两次实验都以失败告终。 当然，这并不影响KK在20年前对于“生物圈2号”的延伸思考，而且仍然具有现实意义：生命是终极技术。机器技术只不过是生物技术的临时替代品而已。我们大可不必担心，机器技术将替代所有生物物种。 下个世纪将是生物学的世纪，注意不是仿生学，因为有机体和机器的混成物中，在天生和人造缓慢的混合过程中，最终获胜的总是生物逻辑——“机器的未来是生物”。 例如：生物无法将自己的DNA代码向其他生物体“广而告之”，以便它们获取信息并改变其代码，而在计算机环境中，你就能做到这一点。 多细胞生物本质上就是在宇宙尺度上运行大规模的并行代码。
2K00发布于 2017-12-28 - 来自专栏生物信息云
生物信息学初识篇——第二章：序列比对（3）
生物信息学初识篇——第二章：序列比对（1） 生物信息学初识篇——第二章：序列比对（2） 七、BLAST比对 之前用EMBL的双序列比对工具做全局比对，虽然很快就出结果了，但至少也要经历一两秒钟的时间。 3）给搜索任务起一个名字，如果输入的是 FASTA 格式的序列，那么在输入框里面点一下，序列的名字就会被自动识别出来。 3）在算法选择这一栏里，有之前提到的三种不同的 BLAST 算法，标准BLAST，PSI-BLAST 和 PHI-BLAST。这一次我们先尝试标准 BLAST。所有参数设置完毕之后，点 BLAST。 正则表达式，{ }代表除什么以外，[ ]代表其中之一，x 代表任意字母，(3,7)代表 3 到 7 个某字符。 3 到 7 个任意字符。
11.4K55发布于 2019-08-07 - 来自专栏生命科学与未来科学
微生物研究的3大主旋律——大脑、肠道、免疫系统
微生物系统2011年，著名微生物学家、1958年诺贝尔生理学或医学奖获得者乔舒亚61莱德伯格（Joshua Lederberg）创造了“微生物群”（microbiota）这个术语，用于定义居住于特定生态圈的微生物群落 加州福尼亚大学洛杉矶分校压力神经生物学中心负责人Emeran Mayer认为，在出生之前、青春期发育早期等多个重要成长阶段，大脑神经回路和肠道微生物系统都受到微生物系统的影响。 3大主旋律：肠道、大脑、免疫系统微生物系统与肠道、大脑、免疫系统有着密切联系（图片来源：Darryl Leja, NHGRI）有趣的是，肠道微生物群约由1014种微生物构成，其重量约达到2公斤。 微生物细胞占人体细胞的比例至今仍未定论，从最初的10倍到最近的1.5倍，一直存在争议。该系统中，细菌种类超1000种，由超3百万个基因编码而成，是人类基因组容量的150倍。 在很多方面，人类免疫系统与微生物之间的关系复杂而有趣。几百万年的共同进化，让免疫系统和微生物系统得以和谐相处。不过，微生物群落一旦受到干扰，会对免疫系统产生影响。
8200编辑于 2026-05-11 - 来自专栏0基础入门Linux系统
Linux day3：认识生物信息学数据的常见格式
以上是计算第6个空格的所有数字相加为多少 大多数操作不会修改原文件,但以下操作会 1.cat > file 2.vim 3.把输入文件当作输出文件（会直接清空） 4.sed -i 也会修改原文件 例如： 生物信息学常见文件格式 fasta, fa, fna, faa, fas fasta:一种基于文本用于表示核酸序列或多肽序列的格式。 序列行:一个字母表示一个碱基/氨基酸，ATCGN 或 20种氨基酸 fastq:一种保存生物序列(通常为核酸序列)及其测序质量得分信息的 文本格式。
61100编辑于 2024-03-21 - 来自专栏igenome
20220519_生物信息平台搭建及生物信息软件安装
20220519_生物信息平台搭建及生物信息软件安装 01 基础软件安装 基础软件安装 ==================== zlib1g.dev apt install -y libboost-dev #conda安装 wget https://repo.continuum.io/miniconda/Miniconda3- latest-Linux-x86_64.sh sh Miniconda3-latest-Linux-x86_64.sh source ~/.bashrc #添加软件源 conda config rstudio.org/desktop/bionic/amd64/rstudio-1.3.1093-amd64.deb dpkg -i rstudio-1.3.1093-amd64.deb 02 常用生物信息软件安装 --help 验证安装成功 #-------------------------------------------------------------------------------- #(3)
1.7K32编辑于 2022-05-19 - 来自专栏人工智能快报
生物识别新面貌
据加拿大市场研究公司Ontario的生物特征研究小组报告，到2015年底，有6.5亿人在移动设备上使用生物识别技术。 美国普渡大学生物特征研究国际中心主任Stephen Elliott解释称：“我们注意到有多种生物识别技术在发展传播。” 当前，有一个很显然的结论是墨水、纸张和密码已经不能胜任安全任务。 银行、零售商和其他机构不需要改装自动取款机来接受指纹或其他生物识别技术。Stephen Elliott指出，基于智能手机的生物识别技术基本上不需要任何学习、培训或知识就可以使用。 如果原始的生物特征数据被窃取，个人将无法生成一个新的指纹或人脸；它将被永久破解。Jain说，当前也存在对隐私和不道德使用生物特征数据的关注。 然而，“如果使用多因素生物识别或行为生物识别技术，也许不需要实用原始数据。”
1.2K70发布于 2018-03-14 - 来自专栏新智元
【远古生物复活】深度学习与生物大数据处理
深度学习加速生物大数据处理速度 随着生命科学的迅猛发展，生物医学领域的数据量呈指数形式增长，生物医学数据表现为数据量大(Volume)、多样化(Variety)、有价值(Value)、高速(Velocity 曙光公司联合中科院计算机所，在生物医学处理方面取得了长足进展，大大加速了生物大数据处理速度。 生物医学大数据独具特色 生物医学领域数据有其自身特点。 1.数据量大：生物医学领域数据量十分庞大。 3.价值高：随着生物信息学的发展，越来越多有价值的信息从生物数据中挖掘出来，这些价值不仅体现在生物科研领域，而且已应用于农业、健康和医学等领域。 3.虚拟后端 以编程和HPC硬件为基础，包括并行编程MPI、大数据分布式处理框架Spark、GPU编程语言CUDA、RDMA、存储技术等组成。 深度学习在生物领域取得的进展让人振奋。现阶段XSharp的应用主要集中在高维多模式生物图像分布式数据系统、海量生物图像数据的深度挖掘流程和生物图像处理数据密集型算法加速等项目中。
1.1K50发布于 2018-03-13 - 来自专栏微生态与微进化
Nature：原核生物基因的生物地理学研究
接下来很可能会进入“后组学”时代，系统化分析生物数据以解决核心科学问题为大势所趋。本篇文章系统地整理了全球不同生境的微生物组数据，并以此分析基因的生物地理。 主要结果 全球微生物基因目录 本文作者整合宏基因组和完整基因组，调查不同生境的原核生物基因来获得关于其全球分布和分子功能的认识。 为了增加基因目录的覆盖率，作者同时收录了从84029个高质量基因组中获得的约3亿个ORFs。 结果显示，unigenes的出现频率遵循一个幂律分布，不同的生境参数不同（图3），明确显示大多数基因出现频率较低。 没有检测到同源物的基因一般被认为对生物的适应性影响很小。 图3. 大多数基因是罕见的。如图展示了不同生境下不同出现频率的unigene的数目。
1K20编辑于 2022-05-05 - 来自专栏DrugOne
大分歧时代: 为何 OpenFold3 成为生物智能的新基础平台
生物医药行业如何悄然重夺科学创新的未来 ——为什么 OpenFold 3 代表了新的 Bio-AI 基础平台 AlphaFold 3 改变了科学，而 OpenFold 3 这样的平台改变了规则。 生物医药行业的“前竞争时代”觉醒 对此，生物医药行业的反应不是意识形态式的争论，而是务实的。 成本太高：从零训练一个 AF3 级别的大模型，是十亿级资金的游戏。 于是，联盟得出唯一合理的结论： 结构生物学的基础模型必须成为共享资源。 这是 AI 生物学的新范式。 开放生态已经开始“跳跃式领先” 闭源 AF3 的定位始终是“预测模型”。 OpenFold3 作为“静态结构的守门人”，Boltz-2 作为“动力学与相互作用的先锋”，共同构成未来生物智能的基础平台。
20310编辑于 2025-12-17 干货分享 | 3D 生物打印：器官可以打印出来？！ | MedChemExpress (MCE)
3D 生物打印，即用生物材料一层层复原出人体内的结构。 这些结构不仅仅是细胞的住所，也是未来组织修复和药物筛选的关键……01常用的 3D 生物打印技术三维 (3D) 生物打印 (Three dimensional (3D) Bioprinting) 是利用活细胞 、生物分子和生物材料 (生物墨水, 如水凝胶) 打印生物医学结构的方法，通过逐层沉积生物材料以创建组织和器官等 3D 结构[1][2]。 随后在体内培养，这些细胞发生增殖和分化，最终构建生物替代品。 知识链接：3D 生物打印是 3D 打印的一种延伸，它以增材制造技术为基础，可在 X、Y 和 Z 方向控制制造 3D 结构。 下表总结了目前常用的几种 3D 生物支架打印技术的区别。 02生物墨水3D 生物打印借由 3D 生物打印机，制造出细胞支架，再将细胞"种入"支架中，使细胞得以生长[13]。
71200编辑于 2024-11-01- 来自专栏Y大宽
通过简单数据熟悉Linux下生物信息学各种操作3
原地址 一共三部分 通过简单数据熟悉Linux下生物信息学各种操作1 通过简单数据熟悉Linux下生物信息学各种操作2 通过简单数据熟悉Linux下生物信息学各种操作3 ---- 15awk的简单使用 gb > NC.gb ~/bin/readseq -format=GFF -o NC.gff NC.gb 找到每个feature的长度 cat NC.gff |awk '{print $1,$2,$3} 计算每个feature的长度 cat NC.gff | awk ' { print $3, $5-$4 + 1 } ' | head -5 1 source 1 source 18959 5'UTR 55 gene 2971 仅提取CDS features cat NC.gff|awk '$3=="CDS" {print $3,$5-$4+1,$9}' CDS 2220 gene CDS 1023 为了清楚表示，不用这个运算符，比对结果看 cat NC.gff | awk '$3 =="gene" { len=$5-$4 + 1; size += len; print "Size:", size
77730发布于 2019-07-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号