小分子药物开发的核心前提，是找到靶蛋白上可被配体占据的结合位点（binding site / ligandable pocket）。这一步直接决定了后续虚拟筛选...

实现治疗性抗体的临床应用，需要在多个关键属性之间取得平衡，包括抗原结合特异性、黏度、清除率以及免疫原性等。然而，现有方法往往依赖多步筛选或单一目标优化，难以同时...

随着基因组数据的快速积累，研究人员对成熟RNA关键功能属性的预测能力仍然有限。为此，研究人员提出了一种新型RNA基础模型Orthrus，该模型基于对比学习进行自...

单细胞数据的可视化是理解细胞异质性与动态变化的关键步骤。然而，当前主流降维方法虽然能够揭示聚类结构，却往往丢失基因层面的关键信息。研究人员提出了一种新的流形学习...

错义突变是影响人类疾病表型的重要遗传因素，但其具体表型后果仍然难以系统解析。研究人员提出了一种基于深度学习的计算框架 PheMART，用于预测错义突变的临床表型...

2026年3月17日，克里特大学、哈佛大学、哥本哈根大学等机构的研究人员在《Nature Biotechnology》上发表文章，题为“Innovation a...

随着测序技术的爆发式发展，蛋白质序列数据规模在短短数十年间增长了数十亿倍。面对这一数据洪流，多序列比对（MSA）作为理解蛋白质进化关系、结构和功能的核心工具，正...

蛋白质变构调控是生命体系中信息传递与能量转换的核心机制，而构建人工变构蛋白一直是合成生物学的重要目标。研究人员发现，由机器学习设计的最小配体结合结构域，即使不发...

过量吉布斯自由能是描述液体混合物热力学性质的核心物理量，是计算活度系数以及相平衡行为的基础。然而，仅从分子结构出发准确预测该量，一直是热力学与化学工程中的长期挑...

本文介绍一篇来自浙江大学侯廷军和康玉教授团队联合澳门理工大学刘焕香教授团队发表在Nature Communications的研究论文，题为 “LaMGen: L...

药物分子的结构优化，尤其是提升其针对特定靶点的活性，是化学与药物研发中的核心难题之一。研究人员利用化学语言模型在序列数据学习方面的优势，提出了一种模拟真实药物研...

同源性检索是现代分子生物学识别序列祖先与功能的基石，经历了从BLAST等传统启发式搜索到Foldseek等结构比对方法的演进。然而，该领域仍面临两大核心...

2026年3月17日，杜克大学法学院的Arti K. Rai与波士顿大学法学院的Janet Freilich在《Nature Biotechnology》上发表...

过去五年，基于深度学习（Deep Learning, DL）的从头分子生成方法迎来爆发式增长，仅报道的新方法就接近200种。代表性工作包括：

研究人员提出了一种整合多种计算方法的策略，用于在全蛋白组尺度上预测蛋白–蛋白相互作用，并构建功能网络。该方法融合了三类互补信息来源：基于三维结构的PrePPI方...

研究人员提出了一种名为 Sequence Display 的新型实验平台，可在单次实验中生成大规模蛋白序列–活性数据集。该方法通过将蛋白变体的功能活性编码为相邻...

单序列蛋白结构预测因无需依赖同源信息而具有重要应用价值，但其精度长期受限。研究人员提出TDFold，一种基于二维几何模板扩散的新方法，通过生成高质量的残基间几何...

Fadini, A., Li, M., McCoy, A.J. et al. AlphaFold as a prior: experimental struct...

蛋白语言模型产生的嵌入表示已成为连接序列与结构、功能等生物学任务的重要桥梁，但这些表示本身的可靠性长期未被系统评估。研究人员提出一种模型无关的方法，用于量化蛋白...

随着大语言模型驱动的智能体不断发展，其在自动化复杂任务和科学数据探索中的潜力日益凸显，但在生物医学数据分析领域仍受限于多工具调用和多步骤推理的复杂性。研究人员提...