科学摘要

分类： 软件

  • 格拉斯哥大学开发新型AI模型 精准预测蛋白质相互作用

    来源： 《自然-通讯》

    研究团队利用天文物理超级计算机，开发出名为PLM-Interact的蛋白质语言模型。该模型通过分析42.1万对人类蛋白质对进行训练，在预测蛋白质相互作用方面比现有最佳模型准确率提升16%-28%，并能精准识别导致癌症等疾病的突变影响。研究还证实该模型能有效预测病毒与人类蛋白质的相互作用，为理解疾病机制、病毒传播及新药研发提供了强大工具。

  • AI提供药物筛选新捷径

    来源：《科学》

    研究人员开发了一款名为DrugReflector的人工智能模型，该模型通过分析约9600种化学物质在50多种人类细胞中对基因活动的影响数据进行训练。验证显示，该模型在寻找能影响特定血细胞生成的化合物方面，效率比从化合物库中随机筛选的传统方法高出最多17倍，有望显著加速新药研发进程。

  • AI工具RESPAN实现树突棘自动精准量化分析

    来源：《细胞报告方法》

    哥伦比亚大学团队开发出一款名为RESPAN的人工智能驱动软件，能够全自动识别、分割并量化神经元树突棘的形态特征（如体积、长度与表面积）。该工具在分析速度和准确性上均显著优于传统人工方法及现有软件，并可对活体动物神经元进行空间定位分析。作为开源工具，RESPAN无需编程基础即可操作，其广泛应用将有助于提升神经科学研究的一致性与可重复性，为阿尔茨海默病等神经退行性疾病的机制研究提供新路径。

  • AI新工具助力提升临床试验报告透明度与质量

    来源：《科学数据》

    研究团队利用超级计算机Bridges-2，开发了一款基于自然语言处理的开源AI工具，用于自动检测临床试验报告是否符合CONSORT与SPIRIT指南的83项报告标准。该模型通过分析200篇临床试验论文进行训练，在篇章整体符合度判断中F₁分数达0.865，能有效识别报告中的关键信息遗漏。未来该工具将向科研人员与期刊免费开放，帮助作者在投稿前自查、期刊在评审中把关，从而提升临床试验报告的透明度和科学性，最终惠及患者与医疗实践。

  • 生命科学“谷歌”问世，可快速检索海量基因数据

    来源：《自然》

    研究人员开发出一款名为MetaGraph的搜索引擎，能够快速检索公共数据库中规模惊人的生物数据。该系统整合了七个公共资助数据档案，构建了包含1880万个DNA/RNA序列集和2100亿个氨基酸序列集的可搜索数据库。用户可通过文本指令进行检索，该工具还能无需预先标注即从庞大测序数据中识别深层遗传模式。

  • 学者呼吁加强科研软件代码的保存与共享

    来源：《自然》

    为保障研究可复现性并促进持续优化，10位研究者联合提出改进科研软件管理的建议。核心措施包括：为所有博士生提供代码共享规范培训、由学术出版商负责建立软件存档库、设立软件维护与保存专项基金。这些方案旨在平衡代码的长期保存需求与开源软件持续迭代特性，提升科研软件质量与可持续性。