MolRSI：自进化分子发现智能体以跨任务经验优化工作流，抗菌筛选命中率15.9%
东北大学、Broad研究所等机构在arXiv预印本中提出自进化分子发现智能体MolRSI，把模型选择与组件组合等工作流作为优化对象，并用跨任务记忆积累可复用经验。
推荐理由：研究把分子发现工作流本身作为优化对象，并用抗菌筛选与pMHC结合蛋白两条湿实验路线检验其产出。
企业与机构 · Labs
Broad Institute 最新动态
布罗德研究所（Broad Institute）的计算生物学与基因组学重磅成果、开源靶点工具与新药筛选方法。
6 条精选近 30 天 2 条共收录 8 条
更新
Broad Institute的精选
BioTender精选AI 评分7878
PLOS Computational Biology精选AI 评分6262 xNNDriver与xAEDriver：从全基因组依赖图谱中可解释地优先排序癌症驱动基因
【全文节选总结】研究提出可解释神经网络xNNDriver，用DepMap中1,095个细胞系的全基因组CRISPR依赖评分预测候选基因突变状态，在3,008个候选基因中优先排序驱动基因，前15名中有10个为DepMap已注释的驱动基因。
推荐理由：研究把DepMap全基因组依赖图谱与通路层级网络结合，为从功能基因组数据中优先排序驱动基因提供了可解释框架。
Marinka Zitnik精选AI 评分6262 生物推理模型是否真正使用生物输入
Marinka Zitnik 转发 Ada Fang 等人的论文，考察生物推理模型在回答蛋白质、基因和细胞问题时是否真正使用生物输入，还是主要依赖文本。该研究指出，高性能可能造成依赖生物表征的假象，推理轨迹并不总能反映证据，并讨论了这些局限与改进路径。模型输入包括生物基础模型的表征以及功能注释、基因与通路描述、按表达排序的基因列表等生物文本。
推荐理由：研究追问生物推理模型是否真正使用生物输入，为理解其推理依据与评测局限提供参照。
AI蛋白质精选AI 评分6262 Broad研究所刘如谦团队在Nature发表AI重设计起点增强蛋白进化的研究
Broad研究所刘如谦团队在Nature发表研究，提出以AI重新设计的更稳定蛋白作为定向进化起点，可进化出活性、特异性和稳定性更优的蛋白。研究以肉毒神经毒素蛋白酶为对象，先用AI设计更稳定的版本，再通过功能进化使其切割包括神经退行性疾病相关蛋白ataxin-2在内的多种靶标，所得蛋白在稳定性和针对该功能的特异性上优于从天然蛋白酶出发的进化结果。
推荐理由：该研究把 AI 设计的稳定蛋白作为定向进化起点，与天然起点直接比较，为酶工程提供可迁移思路。
Ignota Labs 官网资讯精选AI 评分6060 Ignota Labs与Broad Institute合作发表DILIPredictor，提升药物性肝损伤预测
Ignota Labs与Broad Institute合作在《Journal of Chemical Information and Modelling》发表研究，提出先预测九项代理DILI标签、再与化学结构特征结合预测药物性肝损伤的DILIPredictor模型。
推荐理由：该研究把体外与体内代理指标并入特征，比较其对DILI预测的提升，并给出可复用的公开模型。
Ignota Labs 官网资讯精选AI 评分5858 Ignota Labs与Broad Institute发布FDA药物心脏毒性等级首批公开分类器
Ignota Labs与Broad Institute合作，基于美国FDA的DICTrank数据集构建药物诱导心脏毒性（DICT）预测分类器，成果发表于《Journal of Chemical Information and Modelling》。
推荐理由：研究基于FDA的DICTrank数据集构建公开分类器，比较化学与生物特征对药物心脏毒性的预测能力。