分子动力学（Molecular Dynamics, MD）模拟是理解蛋白质折叠、材料相变、化学反应机理的核心工具。其准确性完全依赖于对原子间相互作用力的精确描述...

跨模态整合病理形态与多层分子特征，对于深入理解疾病发生机制具有重要意义。然而，现有多模态学习方法在跨模态推断、整合能力以及可解释性与泛化能力之间往往难以兼顾。

功能性磁共振成像（fMRI）是研究脑功能和神经疾病的重要工具，但现有分析方法通常依赖复杂的预处理流程和任务特定模型，导致结果在不同数据集和任务之间难以复现和迁移...

理解和预测无机材料的性质对于推动能源、电子等领域的发展至关重要。近年来，多模态大语言模型为整合结构数据与文本信息提供了新的可能，但如何将原子级结构信息有效融入语...

在生物信息学与计算生物学中，许多核心问题可以被表述为“状态之间的映射学习”，例如将疾病状态的细胞转化为健康状态，或从已有数据分布外推生成新的生物样本。然而，这类...

近日，Fred Hutchinson Cancer Center、Reaction Biology 和 University of Washington 等机构...

生成式机器学习模型正在重塑材料设计领域，但将其扩展到三维超材料的反向设计仍面临计算复杂度高和表示能力不足的挑战。为解决这一问题，研究人员提出了一种名为Diffu...

分子机器学习模型通常难以泛化到训练数据之外的化学空间，这限制了其在结构新颖分子上的预测能力。为了解决这一问题，研究人员提出了一种联合建模方法，将分子性质预测与分...

Leigh综合征是一种严重的线粒体疾病，目前尚无有效治疗方法，其特征包括乳酸酸中毒以及基底节和中脑区域的病变，最终导致神经功能退化和早逝。研究人员此前发现，在携...

靶点识别是药物研发的起点，也是最为关键的一步。虽然人类基因组中包含约2万个蛋白编码基因，但目前被认为“可成药”的仅有约4500个。更值得关注的是，迄今为止，所有...

多组学研究正在推动人类微生物组研究迈向系统层面，使研究人员能够从多个分子层级同时解析宿主–微生物互作。然而，尽管相关数据迅速增长，其分析仍面临概念、方法和计算层...

RNA三维结构及其构象的预测仍然是结构生物学中的核心挑战，这主要源于实验数据稀缺、RNA分子本身具有高度柔性，以及现有实验与计算方法的局限性。针对这一问题，研究...

药物研发的高失败率，在相当大程度上并不源于分子设计本身，而是起始阶段的靶点选择存在根本性不确定性。昨日发表于 Nature Reviews Drug Disco...

靶点识别是药物研发的起点，也是最为关键的一步。虽然人类基因组中包含约2万个蛋白编码基因，但目前被认为“可成药”的仅有约4500个。更值得关注的是，迄今为止，所有...

RNA三维结构及其构象的预测仍然是结构生物学中的核心挑战，这主要源于实验数据稀缺、RNA分子本身具有高度柔性，以及现有实验与计算方法的局限性。针对这一问题，研究...

大家好，今天给大家分享一篇近期发表在Nat. Commun.上的研究进展，题为：Machine learning guided resolution o...

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...