npj Drug Discov|TechBio 3.0:AI制药如何把预测、设计与实验连成闭环
牛津大学Krish Ramadurai与Abhirup Banerjee在《npj Drug Discovery》发表综述,用TechBio 3.0概括将多模态AI、生成式化学与自动化实验接入同一反馈体系的研发方式,并区分1.0性质预测、2.0靶点发现与分子生成、3.0实验反馈持续更新模型与设计。
推荐理由:文章以综述框架梳理多模态AI、生成式设计与自动化实验的闭环,并借两个企业案例说明证据边界。
牛津大学Krish Ramadurai与Abhirup Banerjee在《npj Drug Discovery》发表综述,用TechBio 3.0概括将多模态AI、生成式化学与自动化实验接入同一反馈体系的研发方式,并区分1.0性质预测、2.0靶点发现与分子生成、3.0实验反馈持续更新模型与设计。
推荐理由:文章以综述框架梳理多模态AI、生成式设计与自动化实验的闭环,并借两个企业案例说明证据边界。
英矽智能Fedor Galkin与Alex Zhavoronkov团队在Cell发表研究,构建首个面向衰老生物学的开放基准LongevityBench,含17项任务、覆盖临床记录、DNA甲基化、转录组、蛋白质组与遗传学五大数据域,共25457个评测提示。
推荐理由:该研究用17项任务评测18个前沿模型解读衰老组学数据的能力,并比较领域微调小模型与通用大模型的表现差异。