- 综合排序
- 最热优先
- 最新优先
腾讯云全栈医疗Agent落地：覆盖诊疗、医药营销与生命科学研发
此外，在生命科学领域，新药研发周期长、成本高，靶点发现与分子设计高度依赖人工经验；在医院端，影像诊断与导辅诊工作量大，亟需提升效率。 研发与开发效能： 在生命科学领域累计发表 SCI论文数十篇，拥有AI算法及分子序列专利数十项；在客户案例中，某生物制药企业通过AI中台实现 50% 整体业务流程效率提升，代码采纳率提升至 80%。 迈瑞（Mindray）：智能知识问答平台 构建迈瑞专属主动式知识库，推动服务向“7x24小时智能值守”升级。 腾讯生命科学实验室：药物研发赋能 能力输出： 蛋白质结构预测、虚拟筛选、ADMET成药性预测。 数据资产： 自建耐药性、TCR结构、蛋白质向量等大型数据库，开发DeepGem病例大模型。 生态协同： 联动上游 10+ 药企管线，中游向心云/华瓴/中康等运营伙伴，下游 35万+ 药房与 7万+ 诊所，形成完整商业闭环。
31510编辑于 2026-06-12- 来自专栏云计算与大数据
研发：How To Install Python 3 on CentOS 7
This tutorial will guide you through installing Python 3 on your local CentOS 7 machine and setting up Prerequisites You will need a CentOS 7 computer with a non-root superuser account that is connected to If your CentOS 7 computer starts up with a Graphical User Interface (GUI) desktop, you can gain access To install IUS, let’s install it through yum: sudo yum -y install https://centos7.iuscommunity.org/ius-release.rpm At this point you have a Python 3 programming environment set up on your local CentOS 7 machine and can
80520发布于 2018-10-16 - 来自专栏大数据文摘
生命科学中的大数据
本文列举了一些机构已开发或正在研发的、用以分析大数据的方法或工具。 最终，本文认为所有致力于研发大数据的努力都应该落在使大数据能够促进未来生物学和医学发展的方向上来。 大数据与生命科学 大数据是目前最热的概念之一，也是容易被曲解的概念。 随着研究人员不断开发方法，处理大数据的量、速度和可变性方面的问题，研究人员开始研发分析信息的新方法。 生命科学的数据来源和形式多样，包括基因测序、分子通道、不同的人群等。 这一平台集合了专利、科学文献、基础化学和生物学知识（如化学物质和分子之间相互作用的机制等），有1 600多万中化合物结构，近乎7 000种疾病的相关信息。 之后，该公司根据该药物的原有用途中的安全性来设计临床试验，这样研发药物的速度快而且成本低。
1K81发布于 2018-05-21 - 来自专栏生信技能树
生命科学领域最容易就业的方向是？
基础知识介绍掌握：文档链接：https://mubu.com/doc/38tEycfrQg 密码：vl3q 学徒第2月，RNA-seq数据分析实战训练：文档链接：https://mubu.com/doc/38y7pmgzLg 密码：p6fo 学徒第3月，WES数据分析实战训练：文档链接：https://mubu.com/doc/1iDucLlG5g 密码：7uch 学徒第4月，ChIP-seq数据分析实战训练：文档链接：https
76310编辑于 2022-03-03 腾讯云驱动医疗与生命科学数智化转型：基于千亿级双模AI的研发提效与转化方案
破解多模态数据激增与大模型算力成本高企的瓶颈 在生命科学与医疗健康领域，单细胞多组学、空间组学、3D蛋白质结构预测等前沿交叉学科快速发展。 海量多模态数据的爆发，使得企业与科研机构在IT成本、系统升级与产品研发提效上面临严峻挑战。 医疗/生命科学专有AI矩阵：在通用基座之上，专项研发医学行业大模型、医学影像病理AI、生命科学AI及药物发现AI四个垂直业务模块。 腾讯云全球基础设施及AI能力盘点）： 算力与网络吞吐指标：依托全球21个基础设施覆盖地区与56个运营可用区，调度100万+全球服务器；数据存储规模达EB级；全球加速节点超3200个，带宽储备达200T，面向全球提供7x24 新药研发提效：在大小分子药物研发的靶点发现、活性与亲和力预测、耐药性预测及合成路径阶段，累积部署数十个独有AI模型及数据库，并已与相关药企达成AI药物研发的实际合作落地。
49610编辑于 2026-04-02- 来自专栏PingCode的专栏
一个研发团队是如何坚持7年技术分享的？
——“所有分享都是有意义的” ——“在PingCode，人人都可以成为分享者” 这是PingCode研发团队的分享精神，而这样的精神，在过去7年中已经闪耀了100次。 百期盛典是PingCode技术分享的一次里程碑，也是过去7年团队成长的缩影，成长体现在何处？先让我们听听研发同学怎么说。 ⽽且，我们⾃始⾄终都不会对分享内容和讲师进⾏评⽐；我们百期庆典的时候，也是对所有过去7年参与过分享的讲师给与奖励。 一个技术团队Leader的自我修养 PingCodeCTO、开发者大会发起人之一Terry说： “技术团队Leader的⼀个重要使命就是要让⾃⼰的团队成为⾼效的研发组织，⼀个⾼效的研发组织必然是⼀个学习型组织 打造一个学习型研发组织的价值是显而易见的： 在过去7年多的时间里，PingCode研发团队在这样的不断学习不断实践的氛围下，一次又一次攻克技术难关，围绕企业协作、智能研发管理打造了以PingCode、Workitle
1.9K00发布于 2020-11-02 - 来自专栏h5
最新研发vite7+vue3.5仿微信web聊天模板
2025最新版研发vite7.1+vue3.5+pinia3+element-plus搭建仿微信界面web版聊天系统。vite-webchat集合聊天、联系人、收藏、朋友圈、小视频、我的等模块。 amap-jsapi-loader(高德地图组件)视频滑动：swiper^11.2.10富文本编辑器：wangeditor^4.7.15样式编译：sass^1.91.0构建工具：vite^7.1.2项目结构目录基于最新vite7构建工具创建项目模板 </template>最新研发uniapp+vue3仿微信app聊天模板最新原创flutter3.27+bitsdojo_window客户端聊天Exe自研新版Flutter3.32仿微信app聊天|朋友圈模板基于
65020编辑于 2025-09-06 - 来自专栏IT创事记
开放与包容：BGI Online加速生命科学产业发展
开放包容的BGI Online 目前来说，生存对华大基因来说已经不是问题，它需要想得更远，更前瞻，去推动生命科学整个产业的发展。 2014年，华大基因找到了AWS，研发工作顺利展开。 华大基因将新版的云平台起名为BGI Online。 通过BGI Online，华大基因正在跟全球客户、合作伙伴一起，打造一个开放包容的基因生物学研究生态，分享数据，分享成果，加速生命科学产业发展。
77110编辑于 2022-06-16 - 来自专栏Python项目实战
量子飞跃：生命科学中的量子计算应用前景
量子飞跃：生命科学中的量子计算应用前景量子计算，这个听起来像科幻小说里的技术，正在逐步走入现实并为多个领域带来颠覆性的影响。 特别是在生命科学领域，量子计算以其强大的并行计算能力和指数级加速能力，正在解决一些经典计算无法解决的问题，例如蛋白质折叠、药物发现、基因组学分析等。 本篇文章将深入浅出地探讨量子计算是如何在生命科学中大显身手的，并通过简单代码例子来揭示其技术内核。什么是量子计算？要理解量子计算，我们可以将其与传统计算进行对比。传统计算基于比特，每个位只能是0或1。 量子计算在生命科学中的核心应用1. 蛋白质折叠问题蛋白质折叠问题被认为是计算生物学中的“圣杯”。蛋白质的三维结构决定其功能，而通过传统方法计算所有可能的折叠方式需要天文数字级别的运算量。 未来展望：从理论到实践尽管量子计算在生命科学领域充满了机遇，但我们也需要直面挑战。例如，目前的量子计算机仍然受到量子比特数目有限和噪声问题的制约。此外，量子算法的开发需要跨学科的深厚理解。
66910编辑于 2025-03-18 - 来自专栏DrugOne
AI工具正在接管生命科学实验室？
自主工作流 实验科学家、小型实验室、生物信息学家 自然语言驱动，AI代理工作流，强调可重复性 Heureka Platform AI研究伴侣，从假说生成到论文撰写的全流程支持 学术研究者、生物技术与制药公司研发人员 欢迎关注 MindDance，一起探索 AI 与生命科学交汇的最前沿。 SciSpace BioMed Agent. https://scispace.com/biomedical [6]: BIOS - Bio Protocol. https://ai.bio.xyz/ [7]
74520编辑于 2026-02-03 - 来自专栏数据猿
算力赋能，打造生命科学云上新范式
——聚焦数据 · 改变商业 云端算力驱动生命科学创新 实现百万样本高效分析 某生命科学研究院推出的生命科学数据分析平台，是一款基于云架构、由AI驱动的多组学在线分析平台，以技术为根、数据为翼，为科研工作者提供全过程一站式分析服务 该生命科学数据分析平台被誉为生命科学研究与健康应用领域的“超级引擎”，致力于打通科研与临床的壁垒，释放生命大数据价值，助力守护人类健康共同体。 在强大性能的背后，是某生命科学研究院与火山引擎的深度技术合作。 效率跃升，算力方案 让基因和蛋白质分析迈入新纪元 某生命科学研究院自主研发的 Cyclone 测序技术作为三代测序领域的核心突破，凭借超长读长的技术优势，成为复杂基因组解析、结构变异检测、甲基化直接分析等前沿研究的核心支撑 以某生命科学研究院为代表的生命科学机构，在进行基因组重测序、蛋白质分析等业务时，面临两大核心挑战： 1.算力潮汐：蛋白等多组学分析任务常需并行处理数万个样本，瞬时需要高达十万核级别的计算资源，对算力弹性调度要求极高
19210编辑于 2026-01-14 - 来自专栏数据派THU
【干货书】深度学习生命科学：药物发现与药物发现
现在它在科学领域掀起了波澜尤其是在生命科学领域。这本实用的书教导了开发人员和科学家如何将深度学习用于基因组学、化学、生物物理学、显微学、医学分析和其他领域。
39910编辑于 2022-05-12 - 来自专栏HyperAI超神经
清华大学生命科学学院张强锋教授：AI 理解生命科学的海量数据，解析复杂调控网络
作者：田小幺 编辑：李姝，李宝珠 清华大学生命科学学院、清华-北大生命科学联合中心研究员、博导张强锋教授在第六届北京智源大会的「AI for Science」论坛上以「当人工智能遇上生命科学」为题，分享了如何利用 「人工智能技术的进展，给生命科学带来了革命性的突破，能够让我们有机会理解生命科学的海量大数据、解析生命科学的复杂调控网络。」 在第六届北京智源大会的「AI for Science」论坛上，清华大学生命科学学院、清华-北大生命科学联合中心研究员、博导张强锋教授以「当人工智能遇上生命科学」为题，分享了如何利用 AI 结合冷冻电镜实现蛋白质结构的解析 人工智能的发展给生命科学带来了革命性的突破，能够让人们有机会理解生命科学的海量大数据、解析生命科学的复杂调控网络，也是研究生命现象、生命系统的强有力工具。 特别是，现阶段人工智能方法能解决什么生命科学问题、生物医学数据的人工智能方法有哪些特殊的不同于其他人工智能领域之处、人工智能是否会带来生命科学研究的新的范式。
60910编辑于 2024-07-15 - 来自专栏云计算与大数据
研发：git flow 研发工作流程
git flow命令仓库：https://github.com/heidsoft/gitflow
1.4K30发布于 2018-10-16 - 来自专栏DrugOne
Methods | 面向生命科学的人工智能智能体
但可以肯定的是，AI 智能体正在成为生命科学研究中不可忽视的新变量。下一代研究人员将如何塑造并驾驭这些系统，值得持续关注。 整理 | DrugOne团队 参考资料 Tang, L.
34410编辑于 2025-12-25 以云与AI技术底座，驱动医疗健康产业数智升级
面临的核心挑战：医疗数据孤岛与创新转化瓶颈 医疗健康与生命科学行业面临数据标准不一、系统割裂的战略困境，导致研发效率低下与创新转化缓慢。 企业普遍存在算力资源不足、多模态数据处理能力弱等具体瓶颈，难以应对精准医疗与高效药物研发的需求。 客户案例：生命科学实验室的前沿探索 腾讯生命科学实验室通过构建统一的深度学习框架与生成式AI工具，在抗体设计、空间组学分析等领域取得突破。 全球服务能力：在全球运营9个技术支持中心与11个区域办公室，提供7x24小时本土化技术支持，保障客户业务的全球化部署与稳定运行。 来源：腾讯官方资料《腾讯在医疗健康、生命科学的布局介绍》（2026.02）
23610编辑于 2026-06-01- 来自专栏单细胞天地
单细胞新药研发导论|| 新药研发管线
贯穿新药研发管线的三个变量是成本、通量、周期，而海量单细胞技术至少可以在成本和通量上缩短新药研发周期。 现在我们问：如果三五年之后，我们对细胞类型有了足够的认识，细胞类型和状态已经得到足够的认识，那时候的生命科学研究或者新药研发是什么样子的？ 那时候，细胞不再只是化学药的感受者，进而作为生物药的一种。 生物药的出现是生命科学发展的必然趋势，是新药的重要来源，尤其是新型抗体药物，可以说已经与传统的小分子药物同样重要的一类治疗药物。这方面的工作已经散见于科学文章中，同时也看到有新兴的公司在做着努力。 然而，还有大量未见诸于文献的工作正在进行，在新药研发这个竞争力极强的行业，我想此时此刻定有大量的科学家在思考、研究、开发着适宜于新药研发的单细胞系统。 ---- References [1] 白东鲁，沈竞康，《创新药物研发经纬》，2019 [2] Blass,白仁仁（译）《药物研发基本原理》，2019 [3] Sarah Middleton,《Cell
74820发布于 2021-05-18 - 来自专栏智药邦
深耕生命科学智能自动化，镁伽完成3亿美元C轮融资
此次募集资金将继续深化镁伽在生命科学智能自动化领域的研发投入及产能扩充，同时积极拓展业务及加速国际化进程。 过去十年，中小型生物科技公司数目和体量不断增长，资本的加速助力，以及亚太地区行业规模日益扩大，也推进了生命科学领域的研发投入飞速增加。 自2016年成立至今，镁伽为生命科学行业提供了一整套自动化解决方案，从简单的操作台工作流程自动化，到大型系统流程应用中处理复杂步骤的全自动解决方案，并延伸至赋能AI药物研发服务的下一代生命科学基础设施和系统 ▲镁伽生命科学自动化系统 与此同时，镁伽着力打造下一代生命科学基础设施——镁伽鲲鹏实验室，与多家领先的生命科学领域企业开展深度战略合作，构建优化研发流程、提高效率的基础设施和平台，积极探索生命科学前沿研究 镁伽首席科学家王承志博士表示：“镁伽通过将智能化和自动化技术与生命科学深度结合，在众多领域大幅提升了生物医药研发和生产的效率。
62320编辑于 2022-11-16 - 来自专栏用户7627119的专栏
李彦宏：以生物计算探索生命科学“无人区”
“我们希望用 AI 技术，缩短药物研发的时间，降低药物的副作用，减轻患者的巨大医疗负担，为每一个生命争取更多的可能性。” 生命科学没有尽头，只有尽力。” 我作为未来科学大奖-生命科学奖的捐赠人，作为一些基因组学研究项目的资助人，也一直在密切关注着这个行业的变化。 生命科学没有尽头，只有尽力。 生物计算产业的发展，需要生态和产业链的协同，一家乃至一百家企业，可能都远远不够。 我们希望能与诸位科学家、企业家一起，构建开放的生物计算创新生态，去探索广袤浩瀚的生命科学“无人区”。
35740编辑于 2022-09-21 - 来自专栏DrugOne
KDD 2022 | 编程指南：生命科学中的图神经网络
编译| 周鹏 本文介绍由亚马逊的研究团队推出的应用于生命科学的图神经网络指南《Graph Neural Networks in Life Sciences: Opportunities and Solutions 图结构数据在生命科学以及医疗场景无处不在，最近很多研究把原来依赖于描述性数据分析的问题转化成依赖于生物网络的问题，例如图神经网络 (GNNs)。 与其它领域相比，生命科学的问题有其自身的独特性和细微的差别。 图机器学习在生命科学的应用 图结构数据在生命科学中十分常见。 图6 总结 这个工作比较全面地介绍了生命科学中的图结构数据和蕴含在这些数据中的科学问题，并提供了从零开始的编码示例和比较详细的代码说明，为新的相关从业和研究人员提供了很好的入门指导。
55730编辑于 2022-11-28
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