編輯 | 白菜葉
2024 年，藥物、醫療、基因組學和細胞生物學領域迎來了前所未有的技術突破與創新。
從 AI 驅動的藥物設計到基因編輯的精準控制，從單細胞分析到多模態醫療決策，這一年見證了科學與技術的深度融合，為人類健康帶來了無限可能。
在藥物研發領域，AI 驅動的分子設計與最佳化方法不斷湧現，顯著提升了新藥發現的效率與精準度。
基因與細胞研究方面，單細胞技術與深度學習的結合，為解析複雜生物系統提供了前所未有的工具，推動了精準醫學的發展。
與此同時，醫療 AI 在診斷、治療決策和患者管理中的應用日益廣泛，多模態資料整合與智慧演算法的進步，正在為個性化醫療開闢新的路徑。
接下來，ScienceAI 將回顧 2024 年 AI 在藥物、醫療、基因、細胞等領域的一些重要研究進展。
溫馨提示：點選文章標題可直達文章。
像拼樂高一樣設計新藥，EPFL、牛津團隊AI方法精確設計最佳化分子3D結構
醫療智慧導診助手來了，復旦大學、復旦附屬眼耳鼻喉科醫院、中山醫院吳淞醫院聯合釋出PIORS
麥吉爾大學Ding Lab基於深度學習開發單細胞水平轉座子位點表達定量模型，登Nature子刊
跨物種奈米抗體虛擬篩選，清華整合深度學習和蛋白質語言模型，登Nature子刊
新SOTA，浙大、中科院深度學習模型可靠、準確預測蛋白-配體，助力藥物開發
效能遠超當前SOTA，首個可解釋RNA的AI植物基礎模型來了，整合1124種植物RNA資訊
僅總引數量0.1%、單GPU 15分鐘完成微調，人類基因組基礎模型NT登Nature子刊
精確屬性控制，湖大、西電從頭藥物設計AI方法，登Nature子刊
準確率84.09%，騰訊AI Lab釋出Interformer，用於蛋白質-配體對接及親和力預測，登Nature子刊
九大成像模式一鍵解析，生物醫學影像AI再迎突破！微軟、UW等BiomedParse登Nature子刊
生成超10萬bp的DNA序列，北理工邵斌團隊生成式DNA大語言模型，登Nature子刊
登Science封面！基因組基礎模型Evo重磅釋出，AI解碼分子、DNA、RNA和蛋白質
谷歌、MIT等開發多智慧體醫療決策框架MDAgents，醫學LLM新用法
數字病理與AI輔助診斷，助力腫瘤精準診療
類GPT化學語言模型，9秒生成100種化合物，微軟AI藥物設計平臺登Nature子刊
分類準確率達99%，山大團隊提出基於對比學習的基因資料分類方法
TMI2024 | 阿大、同濟等提出TraCoCo，用於3D醫學影像半監督分割
Nature 子刊，化學語言模型自動設計多靶點配體
成功率提升15%，浙大、碳矽智慧用LLM進行多屬性分子最佳化，登Nature子刊
Nature子刊，北大陳語謙團隊提出多模態單細胞資料整合和插補的深度學習方法
僅8B引數，可與GPT-4媲美，上交大團隊構建多語言醫學大模型
化學空間導航儀：流生成式AI引導分子屬性控制
AI發現超16萬種新RNA病毒？阿里雲、中山大學合作研究登Cell
精準預測流產風險，上海交大等開發可解釋AI演算法，為早期預防帶來希望
中國科學院團隊釋出GeneCompass：解析基因調控密碼，打造乾溼融合新正規化
Science 發文，高通量蛋白質組學和人工智慧的革命
OpenAI o1 在醫學領域的初步研究，我們離 AI 醫生更近了嗎？
Nature子刊，川大團隊機器學習結合MD，預測蛋白質變構，助力藥物研發
上交大、復旦中山團隊開發糖尿病專用大語言模型，助力個性化糖尿病管理
大語言模型如何助力藥物開發? 哈佛團隊最新綜述
抗體親和力增強17倍，百奧幾何、復旦團隊AI方法模擬細微蛋白質互作，登Nature子刊
AI蛋白大模型推動生物產業變革，分子之心完成A輪融資
篩選數十億化合物庫，華盛頓大學藥物AI虛擬篩選平臺，登Nature子刊
效率提高近百倍，山大團隊AI新方法解析複雜器官空間組學，登Nature子刊
從頭設計「超難」癌症抗體，大衛貝克團隊AI生物計算方法的新應用
邁向「多面手」醫療大模型，上交大團隊釋出大規模指令微調資料、開源模型與全面基準測試
更高解析度，更經濟，深度生成模型與主動學習策略結合，推進大規模單細胞研究
奈米級精度，病毒感染1h內即可檢測到，南方醫科大學細胞核AI工具登Nature子刊
高效準確預測DDI，福大、元星智藥團隊解釋性藥物AI模型，登Nature子刊
識別精度高達76.32%，浙大、之江團隊用深度學習加速大規模藥物發現和再利用
命中率達60%，AlphaFold預測受體的三維結構，加速藥物開發
Nature觀點，人工智慧在醫學中的測試一片混亂，應該怎麼做？
中科院計算所團隊提出CarbonNovo，基於AI進行蛋白質結構和序列的端到端從頭設計
從頭設計抗體，騰訊、北大團隊預訓練大語言模型登Nature子刊
糖蛋白組學新方法，復旦開發基於Transformer和GNN的混合端到端框架，登Nature子刊
如何讓細胞進行計算？國內四高校提出生物計算元器件設計全新方法，登Cell
AI成像新標準，僅1%原始資料可達最佳效能，通用醫學基礎模型登Nature子刊
Nature子刊，諾華團隊評測ML模型在靶向蛋白質降解劑中的特性預測
效率高，無需標籤，谷歌團隊用AI挖掘臨床資料，改善基因發現和疾病預測，登Nature子刊
基於Transformer的新方法，可從奈米孔測序中準確預測DNA甲基化
登Science，藥物親和力增加37倍，AI對蛋白、抗體複合物進行無監督最佳化
生成式 AI 在醫療保健中的前沿應用及其挑戰
整合多組學資料，華大基因團隊圖神經網路模型SpatialGlue登Nature子刊
登Nature子刊，拓撲Transformer模型進行多尺度蛋白質-配體互作預測，助力藥物研發
模擬5億年的進化資訊，首個同時推理蛋白質序列、結構和功能的生物學大模型
AI小分子藥物發現的「百科全書」，康奈爾、劍橋、EPFL等研究者綜述登Nature子刊
登Nature，超越GPT-4V，MIT、哈佛開發人類病理學多模態AI「副駕駛」
「復活」古生物分子，AI解決抗生素耐藥性，復旦、賓大合作團隊兩篇論文登Cell和Nature子刊
22個任務超越SOTA，43個任務媲美SOTA，Google推出醫學治療通用大模型
取代昂貴量子方法，南科大AI方法實現蛋白質-藥物系統多尺度量子「精煉」
助力藥物發現，北京蛋白質組學研究中心提出基於蛋白質序列的深度遷移學習框架
1.8B引數，阿里雲首個聯合DNA、RNA、蛋白質的生物大模型，涵蓋16.9W物種
Nature重磅：微軟潘海峰華盛頓大學王晟團隊釋出首個全切片數字病理學模型GigaPath
Science發文，量子計算機有望加速材料、催化劑和藥物的開發
哥大和耶魯團隊開發新演算法，闡明結腸癌耐藥機制
準確預測藥物-靶點相互作用，江南大學提出深度學習融合GNN新方法MINDG
結合量子特徵、2萬個分子動力學模擬，新蛋白-配體複合物ML資料集，登Nature子刊
準確率82.5%，設計多藥理學化合物，加州大學開發新AI平臺設計未來抗癌藥物
賽諾菲與OpenAI、Formation Bio合作，加速AI藥物發現
多功能RNA分析，百度團隊基於Transformer的RNA語言模型登Nature子刊
多模態AI是醫學的未來，谷歌推出三個新模型，Med-Gemini迎來大升級
預測配體-靶標對的結合親和力，哈工大開發新SOTA藥物表示模型
AI 找出限制抗生素耐藥性的最佳治療策略，預防「超級細菌」
91.1% 準確率，效能遠超 GPT-4 系列模型，谷歌推出多模態醫學大模型 Med-Gemini
首次，西湖大學用蛋白質語言模型定向改造鹼基編輯器，登Cell子刊
深度學習與化學語言模型結合，用於藥物從頭設計，登Nature子刊
新SOTA，僅幾個標記基因即可自動標記，復旦大學開發空間轉錄組學語義註釋貝葉斯框架
從基因組到蛋白質組連續翻譯，南開大學開發通用跨模態資料分析方法
平均準確率達96.4%，中山大學&重慶大學開發基於Transformer的單細胞註釋方法
輝瑞 AI 方法登 Science，揭示數以萬計的配體-蛋白質相互作用
OpenAI和Moderna合作，推進mRNA醫學
AI可以改寫人類基因組嗎？首次由AI從頭設計的基因編輯器成功編輯人類細胞中DNA
體外命中率提高75%，Model Medicines&加州大學開發AI驅動的藥物發現框架
預測蛋白質共調控和功能，哈佛&MIT訓練含19層transformer的基因組語言模型
藥物分子設計新策略，微軟條件擴散模型DiffLinker登Nature子刊
登Science，藥物親和力＜5納摩爾，加州大學開發特異性藥物結合蛋白的從頭計算方法
Nat. Mach. Intell.|設計超高效疫苗，普林斯頓團隊開發首個解碼mRNA序列大模型
CVPR 2024｜FairCLIP：首個多模態醫療視覺語言大模型公平性研究
少量資料實現高通用性，KAIST開發藥物設計3D分子生成新框架
從300億分子中篩出6款，結構新且易合成，史丹佛抗生素設計AI模型登Nature子刊
優於SOTA，騰訊AI Lab開發雙重擴散模型，實現靶標配體3D分子生成和先導化合物最佳化
優於人類專家，GPT-4 準確註釋單細胞型別，成本低且穩健
促進癌症治療，之江實驗室團隊開發端到端深度學習模型 DeepAEG
100%化學有效，高度類似藥物，川大開發資料和知識雙驅動的AI分子生成框架
準確率達95.16%，快速識別惡性腫瘤細胞，廈大和上海交大團隊開發域泛化深度學習演算法
登Nature子刊，哈佛醫學院釋出迄今最大計算病理學基礎模型，適用30+臨床需求
里程碑時刻！David Baker 團隊利用 AI 從頭設計抗體
可發現藥物靶點，哈佛、Hopkins、中國科學院等機構基於Transformer開發了一種可對蛋白翻譯動態變化建模的深度學習方法
18個月，開創AI藥研先例，Insilico公開其首款AI藥物研發全過程，登Nature子刊
更全面、更準確的方法，佐治亞理工學院團隊用DL對scRNA-seq資料進行批次效應和條件效應建模
加速藥物重新定位再利用，中南大學團隊開發基於自適應圖卷積網路的新方法
70 億引數訓練，從DNA、RNA、蛋白質到全基因組，生物學通用大模型新標杆
劍橋大學團隊用深度學習工具評估奈米抗體的天然性，助力抗體藥開發
進行藥物靶標親和力預測，浙大&華科大團隊開發擴充套件圖學習卷積網路方法
受 ChatGPT 啟發，結合 Transformer 和 RL-MCTS 進行從頭藥物設計
首次大規模多語言評估，支援7種語言，生物醫學領域7B開源LLM
旨在構建首個通用生物學AI模型，前Google DeepMind科學家聯手建立Biooptimus
GPDRP：基於圖 Transformer 和基因通路的藥物反應預測多模態框架
製藥新工具、有望規避免疫反應，多倫多大學團隊用AI框架重新設計參與基因治療的關鍵蛋白質
超越基於CNN和Transformer的SOTA框架，多倫多大學團隊開發用於生物醫學影像分割的通用網路
預測蛋白質動態對接？上海交大&星藥科技&中山大學等團隊開發新的深度等變生成模型
可多模態資料整合、插補和跨模態生成，中科院&樹蘭醫院&北師大團隊開發帶有掩碼模組的深度生成框架
悉尼大學和香港D24H的研究人員，開發用於亞細胞空間轉錄組資料分割的自監督學習方法
未來五年AI如何改變各學科？從LLM到AI蛋白設計、醫療保健......
藥物-靶標親和力預測，上科大團隊開發了一種Transformer編碼器和指紋圖譜相結合的方法
ICLR2024 | Harvard FairSeg: 第一個研究分割演算法公平性的大型醫療分割資料集
羅氏製藥和GRCEH團隊開發可解釋機器學習方法，用於分析治療性抗體的免疫突觸和功能表徵
如何利用革命性的蛋白質結構工具來發現藥物？AlphaFold 發現了數千種可能的致幻劑
不擔心位元組跳動、騰訊等大廠競爭，英矽智慧CEO Alex Zhavoronkov談AI藥物發現
在24項場景中優於人類醫生，Google團隊開發基於自博弈的診斷對話大模型
Nat.Commun.|山東大學團隊基於圖transformer開發了一種稀有細胞群組學分析方法
NVIDIA 與 Deepcell 合作，加速生成式 AI 在單細胞研究中的應用