daydayupzzl
人工智能辅助药物发现与制造
做自主规划的前沿研究
获得徽章 0
AlphaFold3(AF3)发布了。我觉得现在的科技界，尤其是国外的科技界，一有新东西就被捧得像宝贝一样，好像什么都不用做了，简直是躺平的极致。这也是现在LLM这种火爆的东西无脑热捧的原因之一。AF2是基于序列预测结构，AF3则是预测了结合Pose（至于是否预测Affinity或binding probability，我还没详细看），两者相较现有工作都有了很大的进步。但是远远达不到官方和媒体吹捧的程度，比如说，“药物研发将变得无关紧要”，“圣杯难题已经迎刃而解”，“开源就能解决所有问题”。一些不懂药物的人在“恶意”地炒作，搞出很多概念。而懂得药物的人也在“恶意”地吹捧，把自己的研究领域和热点联系起来，然后继续迅速跟进。懂药物的人都知道，一款药物的成功，临床前期的研究是不可或缺的，需要做很多针对特定问题的药物结构优化，这也是各大药厂和药物化学家的“饭碗”，不太可能被其他人或机器所取代，因为需要非常专业化的知识。AF3在药物发现任务上的突破是确实的，也做出了巨大贡献，但是我很讨厌官方和媒体的无脑吹捧，弄得好像整个领域都要被取代似的。当然，这可能也是DeepMind想要的效果，因为之前的AF2在营销上非常成功，很多人都愿意炒作。
展开
2
2
一个高质量的Idea(顶会顶刊Idea）需要具备以下特点：
1. 新颖性/原创性（motivation）：提供了与众不同的视角或解决方案，而不是简单地重复已有研究
1）motivation why is it important? why do we need to focus on this?
2）challenge：why is it challenging? why orther researchers from last decades cannot solve this?
3) timeliness：why it is the right time to solve this? How do you plan to sove this?
2. 重要性 （influence）：针对当前领域或问题的重要挑战，可以对学术界或实际应用起到重要影响
3. 可行性（feasibility）：具备可实施性，能够在有限的时间和资源内得到validation和implementation
4. 扩展性（future-work）：应当具备可扩展性，可以启发后续的研究，形成一系列的后续相关工作
5. 清晰性（writing) ：表述清晰，易于同行理解和交流
1. 新颖性/原创性（motivation）：提供了与众不同的视角或解决方案，而不是简单地重复已有研究
1）motivation why is it important? why do we need to focus on this?
2）challenge：why is it challenging? why orther researchers from last decades cannot solve this?
3) timeliness：why it is the right time to solve this? How do you plan to sove this?
2. 重要性 （influence）：针对当前领域或问题的重要挑战，可以对学术界或实际应用起到重要影响
3. 可行性（feasibility）：具备可实施性，能够在有限的时间和资源内得到validation和implementation
4. 扩展性（future-work）：应当具备可扩展性，可以启发后续的研究，形成一系列的后续相关工作
5. 清晰性（writing) ：表述清晰，易于同行理解和交流
展开
1
点赞
开源对技术发展到底是促进还是阻碍？这是一个复杂而又关键的问题。就我个人而言，我认为开源在某种程度上阻碍了技术的发展。以23年备受关注的LLM技术为例，最初OpenAI一直未开源，这导致市场上涌现了许多其他的LLM变种，如Llama和Masterial等。然而，当Llama开源后，几乎所有的LLM都以它为基础，无论是国内的初创公司还是国外的企业，都默认选择了这一架构，导致了市场上缺乏多样性，而且很难看到更深层次的AI发展趋势。值得进一步思考的是，当前的LLM发展方向是否正确？是否需要有人尝试开辟一条完全不同的道路？然而，目前并没有明显的迹象表明会有这样的变化。在开源LLM的背景下，人们的资源和精力都被局限在现有的LLM模式中，但是否这种模式是正确的，目前还无法确定。以Scaling law为例，文本数据已经接近了可利用的极限，这是否意味着AI的性能也到达了极限？我们是否需要新的架构或思想来实现突破？这些问题需要有新的思想和创新来回答。对不起，我只是一个对技术了解有限的人，无法做出实质性的贡献。开源LLM技术可能会加速该技术的普及和改进，但同时也可能导致同质化和局限性。因此，我们在推动技术发展的同时，也需要保持对创新和多样性的关注。至于AI技术是否已经接近极限的问题，目前还没有定论。虽然文本数据可能已经接近了某种极限，但在其他领域，如图像、语音等方面，仍然存在着巨大的发展空间。另外，我们也可以探索新的架构和思想，以应对技术发展中的挑战。![[碰拳]](//lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_114.4b8db8b.png)
![[碰拳]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_114.4b8db8b.png)
展开
1
点赞
一项最近的比较研究评估了这些基于深度学习的方法和传统对接在盲对接、分子对接和配体结合口袋搜索中的表现。研究表明，当前的深度学习辅助方法在配体结合口袋搜索和端到端盲对接中表现更好。然而，在给定配体结合口袋的对接上，传统方法仍然优于深度学习模型。
6
25
1. 占据驱动的药理作用（occupy-driven pharmacology)
2. 事件驱动的药理作用（event-driven pharmacology) 药物本身并不参与 POI 降解或抑制过程，扮演诱导事件的发生。靶向蛋白降解技术（targeted protein degradation TPD)
Molecular Glues 自发现已经有几十年的历史，然而还没有合理或系统的方法来discovery分子胶，仍然依靠偶然发现。迫切需要一种创新的方法打破MG偶然发现的局面。
为了加速MG和PROTAC的发现，默克呼吁美国生物技术公司 CelerisTx 利用AI平台来发现小分子粘合剂。
2. 事件驱动的药理作用（event-driven pharmacology) 药物本身并不参与 POI 降解或抑制过程，扮演诱导事件的发生。靶向蛋白降解技术（targeted protein degradation TPD)
Molecular Glues 自发现已经有几十年的历史，然而还没有合理或系统的方法来discovery分子胶，仍然依靠偶然发现。迫切需要一种创新的方法打破MG偶然发现的局面。
为了加速MG和PROTAC的发现，默克呼吁美国生物技术公司 CelerisTx 利用AI平台来发现小分子粘合剂。
展开
3
8
发展到目前，CPU内置AI加速器的性能，已经可以满足生产条件下的推理需求了，相信未来3年，推理场景 CPU are everywhere， fast and cheap![[吃瓜群众]](//lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_10.42a731c.png)
![[吃瓜群众]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_10.42a731c.png)
评论
点赞
评论
点赞
Broad institute：AI 模型发现全新抗生素类型，安全高效杀死超级耐药菌，还能加速抗衰老药物发现
Link:
mp.weixin.qq.com
Discovery of a structural class of antibiotics with explainable deep learning
I am motivated. but, 从论文中了解AMR市场很大耶，药企现在不做antibiotics吗？毕竟，有钱赚，卷起来后，药物会更多
Link:
mp.weixin.qq.comDiscovery of a structural class of antibiotics with explainable deep learning
I am motivated. but, 从论文中了解AMR市场很大耶，药企现在不做antibiotics吗？毕竟，有钱赚，卷起来后，药物会更多
展开
1
3