Ars Technica AIAI 評分74
AI 設計蛋白酶：只留催化核心，可定向切割特定蛋白
研究者用 AI 蛋白設計工具，只保留兩類蛋白酶的催化核心、替換其餘全部結構，得到能把特定蛋白定向切成兩半的人工酶。天然肽鍵極為穩定，估計半衰期長達數百年，生物靠演化出的多種蛋白酶來催化其斷裂，這項工作是跳過自然演化過程直接重設計酶。團隊用它們切割與神經疾病相關的蛋白，驗證了有效性。
搜尋
依意思最接近的 7 筆
Hacker News front pageAI 評分10
金融時報文章《蛋白質如何統治世界》登上 Hacker News
金融時報發布文章 How Protein Took over the World，中文意為「蛋白質如何統治世界」。該連結隨後被分享到 Hacker News，目前獲得 9 分、7 條評論。本條資料只提供原文連結與討論入口，未包含文章正文內容。
機器之心● 精選AI 評分76
大衛·貝克團隊提出文字條件化蛋白質生成模型 Prompteina
華盛頓大學大衛·貝克團隊聯合新加坡國立大學提出文字條件化全原子蛋白質結構生成模型 Prompteina，用自然語言提示即可指定蛋白質的結構與功能特性。團隊同時建置了含 180 萬個結構、超 5000 萬條說明文字的 Prompteina-Data 資料集。在 18 項結構特性基準中 Prompteina 有 15 項領先基線，智慧體引導的結合體設計介面置信度比最強基線提高 14%；針對此前無已報導從頭設計結合體的 GM2A，90 個測試設計中有 9 個產生結合體。
Latent Space● 精選AI 評分66
DeepMind 與 Biohub 對談：AlphaFold 沒解決蛋白質摺疊
Google DeepMind 的 Pushmeet Kohli 與 Biohub 的 Sal Candido 在對談中表示，AlphaFold 的突破只是開始，蛋白質摺疊問題遠未解決。兩人認為僅擴大算力與資料不足以解決生物學問題，關鍵是先找到合適的 scaling law，低品質宏基因組資料也能提升蛋白質語言模型；建置虛擬細胞需要根本不同的資料集，研究須從單個蛋白質走向整個生物系統，治癒所有疾病要靠 10x 級突破而非漸進改進。
X @GoogleDeepMindAI 評分59
@GoogleDeepMind: Argon also compressed the process of enzyme engineering into a matter of hours to design five lab-v…
Google DeepMind 表示，其 Argon 把酶工程設計流程壓縮到數小時，並設計出五種經實驗室驗證的絲胺酸酯酶。原文未披露 Argon 的模型細節、設計方法，也未說明這五種酶的用途。
X @GoogleDeepMind● 精選AI 評分63
@GoogleDeepMind: Acting like a digital ID card, the watermark can help DNA labs verify synthetic proteins and keep s…
Google DeepMind 發布一種可充當數字身份證的水印，用於標記 AI 生成的合成蛋白質。該水印能幫助 DNA 實驗室核驗合成蛋白來源，並保持序列資料庫的準確性。隨著相關需求規模擴大，驗證設計是否來自帶內建防護的 AI，將有助於實驗室實現自動化並加強生物安全。
X @GoogleDeepMind● 精選AI 評分80
@GoogleDeepMind: SynthID Bio is our new family of watermarking methods made for AI-generated biological designs.
Google DeepMind 發布 SynthID Bio，一套面向 AI 生成生物設計的水印方法。官方稱這是全球首次能在不影響生物功能的前提下，把不可感知的簽名直接嵌入蛋白質序列。該技術屬於 SynthID 水印體系的新分支，具體覆蓋範圍、檢測方式與可用時間尚未公布。