众星云集的人工智能生物技术发布 | 自然生物科技
旨在利用人工智能加速药物发现的最新生物技术于 4 月 23 日悄然出现，获得了超过 10 亿美元的风险投资。 总部位于旧金山的 Xaira Therapeutics 设想了人工智能技术的端到端应用，从应用生物发现的基本计算方法，到从头生成抗体，再到管理人体试验。 基础技术、基于人工智能的蛋白质和抗体设计模型（称为 RFdiffusion 和 RFantibody）是由华盛顿大学蛋白质设计研究所联合创始人 David Baker 的实验室开发的。 几位贝克实验室研究人员以及来自 Illumina 和 Interline Therapeutics 的团队已全职加入该公司。 Xaira 的其他联合创始人包括 Arch Venture Partners 的主要投资者 Bob Nelsen 和 Foresite Labs（隶属于 Foresite Capital 的孵化器）的 Vik Bajaj。 基因泰克公司前 CSO、洛克菲勒大学和斯坦福大学前校长 Marc Tessier-Lavigne 被任命为首席执行官。 Tessier-Lavigne 在一份声明中表示：“见证了人工智能如何影响其他行业，以及人工智能在生物学领域的应用取得了长足进步，我相信我们已经做好了迎接一场革命的准备。” “Xaira 在推进基础人工智能研究并将这些进步转化为变革性新药方面处于有利地位，我很高兴有机会领导该团队。” 该公司的高层董事会包括诺贝尔奖获得者卡罗琳·贝尔托齐、美国食品和药物管理局前局长斯科特·戈特利布以及强生公司前董事长兼首席执行官亚历克斯·戈尔斯基。 2024-05-17 00:00:00 1716084694
使用构象响应染料的蛋白质自适应差示扫描荧光测定法
Schreiber, SL 生物活性小分子的化学生物学观点以及将生物学与精准医学联系起来的基于粘合剂的方法。 Isr。 J.化学。 59，52-59（2019）。 文章 中科院 考研 谷歌学术 Garlick，JM 和 Mapp，AK 动态蛋白质复合物的选择性调节。 细胞化学。 生物。 27，986–997（2020）。 文章 中科院 考研 考研中心 谷歌学术 Chattopadhyay, G. & Varadarajan, R. 使用纳米差示扫描荧光计轻松测量蛋白质稳定性和折叠动力学。 蛋白质科学。 28，1127–1134（2019）。 文章 中科院 考研 考研中心 谷歌学术 新泽西州格林菲尔德使用收集的圆二色性作为温度的函数来确定蛋白质展开和结合相互作用的热力学。 纳特。 协议。 1，2527–2535（2006）。 文章 中科院 考研 考研中心 谷歌学术 Freire，E.差示扫描量热法。 方法分子。 生物。 40，191-218（1995）。 中科院 考研 谷歌学术 Atsavapranee, B.、Stark, CD、Sunden, F.、Thompson, […]
有效的 MASH 药物固然好，但生物技术可以让它变得更好
了解这种复杂的疾病需要更好的模型系统和大规模数据。 MASH 严酷地考验了生物制药公司的坚韧和独创性。 在过去的二十年里，全球制药和生物技术公司都曾尝试开发药物，但都失败了。 对有效药物的寻找让公司、投资者和患者感到沮丧。 诺和诺德 (Novo Nordisk)、礼来 (Eli Lilly)、辉瑞 (Pfizer) 和阿斯利康 (AstraZeneca) 都针对不同途径尝试了自己的 MASH 药物； 有些仍处于第二阶段和第三阶段试验1但近年来，由于与安慰剂相比没有看到足够的积极效果，许多药物已被撤出。 大型制药公司还拥有新型胰高血糖素样肽 1 (GLP-1) 激动剂，目前正在对其进行试验，看看它们是否可以用于对抗 MASH。 到目前为止的结果是有希望的，这是预期的，因为减肥是建议减少 MASH 进展的主要治疗方法。 考虑到许多失败的尝试，Resmetirom 的批准值得注意。 但作为一种药物，它还远远不够理想：只有 25-30% 的 MASH 患者从治疗中受益。 主要问题是我们尚未了解该疾病的分子机制。 MASH 很复杂，关于所涉及的途径还有很多东西需要了解2。 我们知道，它是一种以葡萄糖、脂质和胆汁酸代谢失调为特征的代谢性疾病。 脂肪在肝脏和其他周围组织中积聚，最终导致肝纤维化。 然而，MASH 的进展在个体之间存在差异，并且存在多层代谢、遗传和表观遗传途径的变化。 因此，针对脂质代谢、炎症反应或纤维化进展的中间靶点开发了药物。 第三阶段临床试验的终点是减少脂肪酸积累或逆转纤维化进展。 这些可以减轻最终病理，但不一定能解决疾病的发生或早期进展。 我们还缺乏用于简单或早期 MASH 筛查的经过验证的生物标志物。 Resmetirom 是一种甲状腺激素受体-β (THRβ) 激动剂，可能通过增强肝细胞燃烧脂质的能力来减少肝纤维化3，但我们甚至不确定它是如何工作的。 大多数 MASH 研究都是在小鼠身上进行的，其中 MASH 是由高脂肪、高碳水化合物的“西方”饮食诱导的。 研究人员不能使用细胞系或类器官，因为 […]
神经技术应该进入沙箱吗？
脑机接口等新兴神经技术将生物技术和数字技术的组成部分结合在一起，产生了许多不同的政策问题。 这些挑战的范围从医疗产品的安全性到收集和处理人脑数据的隐私问题。 这些不同的问题可能需要不同的政策反应。 例如，2024 年 4 月，英国政府发出了关于使用新型政策工具（监管沙箱）来管理神经技术风险的混合信息1。 使用沙箱的监管机构可以允许对新产品进行小规模、短期的试验，并可能为此修改典型规则。 英国政策制定者似乎拒绝为涉及神经技术的医疗设备制定沙盒政策的想法，但为使用隐私沙盒来处理类似设备（包括面向消费者的神经技术）收集的数据留下了空间。 监管沙箱是一类相对较新的政策工具，旨在通过允许技术开发人员在监管机构放宽现有规则或提供特殊指导的小型环境中测试其产品或服务来加速创新2。 作为回报，参与实体通常必须提出并遵守自己的内部风险管理系统，这可能涉及测试新规则、最佳实践或管理系统。 监管机构必须决定谁可以在什么条件下进入沙箱，在所有实体参与时对其进行监督，并在试验期间和结束时保护患者或消费者。 2024-05-06 00:00:00 1715013697
开发具有按需可逆性的超分子抗凝剂
一般方法 除非另有说明，所有有机合成程序的所有试剂和溶剂均购自商业来源，并且无需进一步纯化即可使用。 采用 Agilent Technologies 1260 Infinity HPLC 和 ZORBAX 300SB-C18 色谱柱 (9.4 × 250 mm) 进行高效液相色谱 (HPLC) 纯化。 LC-质谱 (LC-MS) 谱图在配有 Thermo LCQ Fleet 质谱仪系统的 DIONEX Ultimate 3000 UHPLC 上记录，使用 PINNACLE DB C18 色谱柱 (1.9 µm, 50 × 2.1 mm) 在正模式下操作。 所有 LC-MS 谱均通过电喷雾电离测量。 使用在正模式下操作的 Bruker Daltonics Autoflex 光谱仪测量基质辅助激光解吸/电离飞行时间 (MALDI-TOF) 质谱。 高分辨率质谱在 Xevo G2 […]
回应“AI生成数据的永动机和ChatGPT作为‘科学家’的分心”
詹妮弗·利斯特加滕（Jennifer Listgarten）的许多论点都很引人注目：特别是，蛋白质折叠问题相对于科学上的其他重大挑战来说是一个异常值，无论是在问题陈述的精确方式和性能测量方面，还是在可用的数量方面。 , 高质量数据1。 然而，尽管现有的生物数据库相对于用于训练大型语言模型的概要而言往往较小，但似乎有可能一种类型的生物数据——全基因组测序——很快就会大规模生成，这与人们所争论的相反1。 随着基因组测序成本的下降和基因组数据临床应用潜力的上升，对每个人进行全面测序将具有经济意义。 每 30 亿个碱基对个体基因组可以表示为 3000 万个独特的碱基，因此对美国 3 亿人口进行全面测序总共产生 9 × 1015 基数，其大小与 400 TB 相当 通用爬取数据集 用于训练大型语言模型。 出于隐私方面的考虑，使用此类数据来训练大规模机器学习模型将具有挑战性。 尽管如此，我认为至少有四种途径可以在海量基因组数据上构建此类模型。 第一条路径涉及联合数据访问。 联合方法使用软件使多个数据库能够作为一个数据库运行，促进互操作性，同时保持自治和去中心化2。 联合能力得到现有基因组生物库的支持，例如英国生物库、NIH All of Us 和芬兰的 FinnGen 计划3，并得到 lifebit.ai 等商业实体的进一步推动。 在联合方法中，可以根据从多个生物库提取的数据来训练深度学习模型，同时保持隐私保证。 2024-05-01 00:00:00 1714659328
作者更正：腺嘌呤颠换编辑器可在哺乳动物细胞和胚胎中实现精确、高效的 A•T 至 C•G 碱基编辑
These authors contributed equally: Liang Chen, Mengjia Hong, Changming Luan. 上海基因组编辑与细胞治疗前沿科学中心，上海市调节生物学重点实验室，生物医学科学研究所和生命科学学院，华东师范大学，上海，中国 Liang Chen, Mengjia Hong, Changming Luan, Hongyi Gao, Gaomeng Ru, Xinyuan Guo, Dujuan Zhang, Shun Zhang, Jun Wu, Chao Qu, Yifan Zhu, Yuting Guan, Liren Wang, Mingyao Liu, Gaojie Song & Dali Li 上海交通大学医学院附属瑞金医院，上海市创伤骨科研究所，上海市中西医结合骨关节病防治重点实验室，骨科，中国上海 Changwei Li 默金医疗保健变革技术研究所、麻省理工学院和哈佛大学博德研究所，美国马萨诸塞州剑桥 佩顿·B·兰道夫、亚历山大·A·苏萨和大卫·R·刘 哈佛大学化学与化学生物学系，剑桥，马萨诸塞州，美国 佩顿·B·兰道夫、亚历山大·A·苏萨和大卫·R·刘 霍华德休斯医学院，美国马萨诸塞州剑桥 佩顿·B·兰道夫、亚历山大·A·苏萨和大卫·R·刘 BRL Medicine, Inc.，上海，中国 Mingyao Liu 香港中文大学医学院生物医学学院，中国香港 Bo Feng 2024-04-24 00:00:00 1714483009
串联重复中小型和大型基因组变异的分析和基准测试
Levinson, G. 和 Gutman, GA 滑链错配：DNA 序列进化的主要机制。 摩尔。 生物。 进化。 4，203-221（1987）。 中科院 考研 谷歌学术 范 H. 和楚 J.-Y. 短串联重复突变的简要回顾。 经过。 蛋白质组。 生物信息。 5，7-14（2007）。 文章 中科院 谷歌学术 Shriver, MD, Jin, L., Chakraborty, R. & Boerwinkle, E. 逐步突变模型下的 VNTR 等位基因频率分布：一种计算机模拟方法。 遗传学 134，983–993（1993）。 文章 中科院 考研 考研中心 谷歌学术 Wright，JM VNTR 突变：小卫星是微卫星的进化后代吗？ 基因组 37，345–347（1994）。 文章 中科院 考研 谷歌学术 威廉斯，T.等人。 […]
作者更正：重新设计腺嘌呤脱氨酶 TadA-8e，以实现高效且特异的基于 CRISPR 的胞嘧啶碱基编辑
These authors contributed equally: Liang Chen, Biyun Zhu, Gaomeng Ru, Haowei Meng, Yongchang Yan. 上海基因组编辑与细胞治疗前沿科学中心，上海市调节生物学重点实验室，生物医学科学研究所和生命科学学院，华东师范大学，上海，中国 Liang Chen, Biyun Zhu, Gaomeng Ru, Mengjia Hong, Dan Zhang, Changming Luan, Shun Zhang, Hongyi Gao, Sijia Bai, Changqing Li, Ruoyi Ding, Niannian Xue, Yuting Guan, Yiyun Cheng, Gaojie Song, Liren Wang, Mingyao Liu & Dali Li 北京大学生命科学学院，北京，中国 Haowei Meng, Yongchang Yan, Hao Wu, Zhixin Lei & Chengqi Yi 中国科学院定量工程生物学重点实验室，基因组工程与治疗中心，深圳合成生物学研究所，深圳先进技术研究院，中国深圳 Yuting Chen 生物科学与技术研究所，德克萨斯农工大学，休斯顿，德克萨斯州，美国 斯特凡·斯沃科 BRL Medicine, Inc.，上海，中国 Mingyao Liu 2024-04-24 00:00:00 1714116059
神经网络产生的酶的计算评分和实验评估
请参阅补充方法以了解全文的其他详细信息。 数据管理 第一轮 CuSOD 尤尼普罗特74 恰好包含一个 Sod_Cu Pfam 的序列75 域已下载。 嗯搜索（嗯， http://hmmer.org/; 参考号 76）确定了 Sod_Cu 域包络。 序列被截断以去除超出 Sod_Cu 匹配范围的无关序列。 进行了额外的质量过滤。 使用 CD-HIT 删除序列重复项77 同一性阈值为 80%，80% 和 20% 分别被随机分为“训练”集和“测试”集。 使用 MUSCLE (v3.8) 通过迭代过程生成训练 MSA78。 第一轮MDH 下载包含 Ldh_1_N Pfam 域和后跟 Ldh_1_C 域的所有 UniProt 序列。 LDH 和 MDH 酶，基于酶委托编号79、LDH 为 1.1.1.27 和 MDH 为 1.1.1.37，从 SwissProt 下载。 MUSCLE […]