方式1：扫描左侧二维码
AI在药物发现中的应用不仅局限于小分子，而是拓展到大分子领域，包括在大分子的结构预测、功能预测和候选药物产生。目前，我们看到了许多将AI技术用于药物研发的案例，其加速了药物研发的进程并且降低了药物研发的成本。同时，对于利用AI进行药物研发也带来了传统研发所从未经历的专利挑战，比如可专利性客体问题、AI是否可以作为发明人的问题等。面对这些问题，TiPLab将探讨对AI辅助药物发现过程中的成果如何进行保护。
使用通用蛋白质语言模型实现人源抗体的高效进化。
使用生成式AI（RFdiffusion）从头设计全新抗体的研究。
使用自然语言模型实现锌指酶设计。
基于建模计算设计新型Cas9 PAM结合结构域。
TiPLab李秋实将为大家分享来自于David Bikard团队的一种蛋白质设计方法(PLOS Computational Biology，2023)：
蛋白质是所有生物体内不可或缺的分子，其功能在很大程度上取决于蛋白质的序列。修改蛋白质序列以实现所需的功能仍然是一项极具挑战性的工作，需要仔细考虑结构的稳定性以及与分子的相互作用等因素。
该方法基于半监督的受限波尔兹曼机（RBM）,同时结合了实验数据、蛋白质序列的自然变异以及基于物理学的预测，提供了一种可靠、可解释的方法，在改变蛋白质序列的同时保持其功能。研究者将这一技术应用于 Cas9 蛋白的PAM作用结构域，结果表明，在对Cas9 PAM作用结构域的序列进行了 20% 以上的修改后，仍能保持其功能。这项研究的意义在于提供了一种可靠的、可解释的修改蛋白质序列以保持其功能性的方法，这对于药物开发和各种工业应用中创造有价值的蛋白质变体具有潜在的应用前景。
李秋实，TiPLab专利布局与申请团队
方式1：扫描左侧二维码
