AI 驱动的 RNA 药物设计综述:从分子优化到系统级评估
这篇综述从分子优化与系统级评估的衔接角度梳理 AI 驱动的 RNA 药物设计,比较 siRNA、反义寡核苷酸、适配体、mRNA 和翻译导向 circRNA 各自的设计约束,并评估序列模型、生成模型和结构感知模型的能力与局限。
推荐理由:综述把 RNA 药物设计从分子优化延伸到系统层面评估,梳理了不同 RNA 模态的设计约束与虚拟细胞的定位。
这篇综述从分子优化与系统级评估的衔接角度梳理 AI 驱动的 RNA 药物设计,比较 siRNA、反义寡核苷酸、适配体、mRNA 和翻译导向 circRNA 各自的设计约束,并评估序列模型、生成模型和结构感知模型的能力与局限。
推荐理由:综述把 RNA 药物设计从分子优化延伸到系统层面评估,梳理了不同 RNA 模态的设计约束与虚拟细胞的定位。
这篇 Perspective 提出用最小证伪框架检验生物机制算子能否提升单细胞扰动预测:在统一锁定评测下,与晚期融合、容量匹配静态模型、容量匹配学习动力学算子及拓扑重连对照比较。
一篇综述指出,当前 AI 虚拟细胞(VC)框架侧重遗传与药物扰动,环境扰动因数据可得性、化学空间覆盖和表征设计的结构性限制而建模不足。文章梳理了扰动预测模型从数学模型到深度学习与基础模型的演进,评估了基因组、转录组、蛋白组、代谢组和表型组等多模态 VC 进展,并提出标准化环境扰动数据集、多模态架构、不确定性感知评估指标和面向监管的基准框架,以推动计算模拟扰动与替代动物测试的 3Rs 范式。
这篇综述将肝脏 AI 虚拟细胞(AIVC)的建模路径归纳为三类:生成模型表征细胞状态,动力学与转运模型推断状态转换,预训练或基础模型检验表征能否跨供体、病因、疾病阶段和平台迁移,并以扰动响应预测作为贯穿性评估。
Biohub 联合创始人 Priscilla Chan 发文回顾今年上半年进展,包括 5 月发布基于下一代 ESM 的蛋白质生物学世界模型,可预测蛋白折叠、相互作用与功能并设计新蛋白,已有科学家用它设计抗体候选并在早期实验室测试中针对癌症和免疫相关靶点显示初步结果。
推荐理由:Biohub 联合创始人以第一人称复盘半年进展,把蛋白世界模型、激光相位板与虚拟细胞计划串成一条开放科学路线。