谷歌AlphaFold破译“上帝密码”，解答困扰人类50年难题
中国科学院院士施一公认为：AlphaFold2是人工智能对科学领域最大的一次贡献，也是人类在21世纪取得的最重要的科学突破之一。
生物探索 - 蛋白质，人工智能 - 2022-02-15
AlphaFold遇到有力竞争对手，Facebook打造的Meta AI更高效、更智能
它是由Meta公司开发的，和AlphaFold一样，它也一款用人工智能（AI）预测蛋白质结构的系统。而Meta公司的前身正是我们熟悉的Facebook。
深究科学 ID: deepscience - Facebook，AlphaFold - 2022-11-07
2023年度拉斯克奖公开，6名获奖者，AlphaFold、眼底OCT技术获奖
2023年9月21日，Lasker基金会宣布了2023年度拉斯克奖的6名获奖者。今年拉斯克奖共设立3个奖项：
MedSci原创 - 拉斯克医学奖，拉斯克奖 - 2023-09-23
AlphaFold是又一个“卡”中国脖子的核心技术？“我们必须从底层技术做起”
2022年7月28日，英国DeepMind公司表示，AlphaFold已经预测了全球几乎所有的蛋白质结构，短短一年时间，他们的蛋白质结构数据库中的数据从200万个扩增到超2亿个。
深究科学 ID: deepscience - 蛋白质，AlphaFold - 2022-08-14
Nat Commun：AlphaFold2新方法高通量预测蛋白质构象分布，准确率超80%
研究团队提出了一种使用AlphaFold 2通过亚采样多序列比对直接预测不同蛋白质构象相对种群的创新方法。
测序中国 - 蛋白质，AlphaFold 2，Abl1激酶 - 2024-04-26
AlphaFold最新版——开启数字生物学时代来临! 预测几乎所有分子结构，带来药物研发新范式
大约五年前，DeepMind推出了AlphaFold，一个可以准确预测人体内许多蛋白质结构的人工智能系统，震惊全世界。后来很快又推出AlphaFold 2，进一步提高性能。2022年7月28日，Dee
MedSci原创 - 人工智能，DeepMind，AlphaFold2，AlphaFold，AlphaFold 3 - 2023-11-03
Bowman教授小组JCTC论文：使用AlphaFold加速蛋白隐藏口袋的发现
本项工作提出了一种使用AlphaFold来加速蛋白隐藏口袋发现的方法。通过调整多序列比对信息，可以让AlphaFold为目标蛋白生成多样化的三维构象。
ComputArt计算有乐趣 - AlphaFold，蛋白隐藏口袋 - 2023-08-11
“AlphaFold像地震一样，改变了游戏规则”，如今它开始在基础研究、药物开发上全面发力
AlphaFold给新药研发带来了巨大的影响，它正在以哪些方式来促进生命科学领域的发展？接下来，我们来盘点一下这个AI系统推动生命科学研究进展的七种主要方式。
“深究科学”公众号 - 药物研发，基础研究，AlphaFold - 2022-08-03
这个比AlphaFold2更前瞻的研究当年坐足了“冷板凳”
现在全国上下都在提倡推动“从0到1”的原始创新，提升基础研究的水平，但是到底什么是“从0到1”、什么是“从1到N”？
深究科学 ID: deepscience - AlphaFold2，AI蛋白质 - 2022-06-26
【Nature】重大飞跃：人工智能预测几乎整个“蛋白质宇宙”！
这份前所未有的丰富数据，将帮助我们探索生命科学的无尽奥秘，并对研究生物学、医药领域提供巨大帮助。
网络 - 人工智能，蛋白质宇宙 - 2022-08-04
Nature：生命科学的变革：DeepMind人工智能可以预测大量蛋白质的结构
AlphaFold神经网络产生了一个“完全变革性”的数据库，包含了来自智人和20个模式生物的超过35万个结构。
MedSci原创 - 预测，蛋白质结构，人工智能 - 2021-07-25
Meta公司发布ESMFold，两周完成6亿+宏基因组蛋白质结构图谱
今年8月，谷歌旗下的英国DeepMind公司借助AlphaFold2模型，公布了大约 2.2 亿种蛋白质的预测结构，它几乎涵盖了 DNA 数据库中已知生物体的所有蛋白质。AlphaFold是曾开发出A
MedSci原创 - 人工智能，结构生物学，ESMFold - 2022-11-07
围棋后人工智能再胜人类，这次是预测“难缠”的蛋白质结构
2018年，DeepMind带着Alpha家族的新成员AlphaFold来挑战新领域：通过基因序列预测蛋白质三维结构。12月2日
澎湃新闻 - 人工智能，人类，蛋白质结构 - 2018-12-03
【佳作推荐】浙江工业大学张贵军教授小组JCIM论文：基于深度学习的端到端蛋白质结构域组装方法
该方法利用深度学习网络，通过注意力机制融合多种特征来预测域间相互作用，再将其转换为域间刚性运动变换，实现端到端的蛋白结构域组装和多域蛋白质预测。
ComputArt计算有乐趣 - 深度学习，端到端蛋白质，多域蛋白质全链 - 2023-11-19
为您找到相关结果约42个
