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冯晓云将为大家分享David
Baker团队的又一突破性研究成果，利用RFdiffusion从头设计全新抗体(BioRxiv，2024)：
Baker团队将研发重心转移到了扩散模型上，构建了一个基于RoseTTAFold的扩散模型-RFdiffusion，其同时具备高度多样化的输出、快速响应反馈信息并调节设计目标和清晰的3D建模能力。
RFdiffusion基于“Top-Down”的蛋白设计思路，即从分子整体的性能出发，给出所需的结构特性，让AI进行计算，通过大量模拟蛋白质片段组装，最终寻找到最符合预期的产物。类似于从用户指定的目标生成图像的方式，能够从简单的分子结构特性设计出多样化且结构复杂的功能性蛋白质，不仅可以设计出先前技术完全达不到蛋白结构，其产物还具有极强的功能性。
冯晓云，TiPLab专利布局与申请团队
方式1：扫描左侧二维码
