生物行

探索生命科学奥秘
当前位置: 主页 > 神经科学 > 类脑智能与AI

类脑智能与AI 来自2069年的备忘录：AI、生物技术与工业革命的未来图景

本文以前瞻性视角描绘了2069年的科技图景。通过AI与生物技术的深度融合、能源革命及机器人技术的迭代，人类社会将进入一个物质丰裕、医疗精准、生产力极度释放的新纪元。文章强调了“开放”与“创新”作为推动文明进步的元动力，并为当下的技术创业者提供了关于如何利用机器人飞轮、生物制造及智能代理构建未来产业的战略建议。...

2026-04-12 21:59:08 9

类脑智能与AI AI驱动药物重定向：比克替拉韦与依曲韦林被鉴定为猴痘病毒及相关痘病毒的潜

研究团队利用人工智能驱动的药物筛选平台，成功识别出抗逆转录病毒药物比克替拉韦（Bictegravir）和依曲韦林（Etravirine）对猴痘病毒及相关痘病毒具有显著的抑制活性。该研究通过分子对接、分子动力学模拟及体外病毒感染实验，证实了这两种药物能够有效干扰病毒复制周期，为应对猴痘疫情提供了极具潜力的药物重定向策略，缩短了抗病毒药物的研发周期。...

2026-04-12 19:45:48 19

类脑智能与AI RNA 3D结构预测新突破：深度学习与中间态2D图谱的质量评估策略

针对RNA三维结构预测中模型质量评估的挑战，研究团队开发了一种基于深度学习的创新方法。该方法通过引入中间态2D图谱作为结构特征，显著提升了对RNA 3D模型准确性的识别能力。这一研究为RNA结构生物学提供了强有力的计算工具，有助于更精确地解析非编码RNA的功能机制，并推动基于RNA结构的药物研发进程。...

2026-04-12 16:09:35 54

类脑智能与AI 类脑智能新突破：一种旨在提升大语言模型规划能力的代理架构

本研究提出了一种受大脑认知机制启发的代理架构，旨在解决大语言模型（LLM）在复杂任务规划中的局限性。通过引入分层规划与动态反馈机制，该架构显著增强了模型在多步骤逻辑推理与环境交互中的表现。实验结果表明，该方法在处理长程规划任务时，不仅提高了成功率，还展现出更强的鲁棒性与适应性，为构建更具自主性的通用人工智能系统提供了新的理论框架与技术路径。...

2026-04-11 20:58:28 39

类脑智能与AI 实时自监督去噪技术：突破高速荧光神经成像的信噪比瓶颈

本研究提出了一种创新的实时自监督去噪算法，旨在解决高速荧光神经成像中因低光子计数导致的信噪比不足问题。该方法无需预先训练的配对数据集，通过自监督学习机制，在保持高时间分辨率的同时，有效滤除成像过程中的噪声。这一突破性进展为实时观测神经元动态活动提供了强有力的计算工具，显著提升了活体成像数据的质量与分析效率。...

2026-04-11 20:32:45 88

类脑智能与AI 深度学习赋能：蛋白质水解酶底物设计的精准化革命

本研究开发了一种基于深度学习的计算框架，旨在精准设计蛋白质水解酶（Protease）的特异性底物。通过整合序列特征与结构信息，该模型能够预测并优化肽段序列，从而实现对特定蛋白酶活性的高效识别与调控。这一方法不仅克服了传统实验筛选的低效性，还为合成生物学、疾病诊断及药物研发提供了强有力的工具，展示了人工智能在复杂生物化学相互作用解析中的巨大潜力。...

2026-04-11 19:23:44 44

类脑智能与AI 解析蛋白质相互作用的“语言”：深度学习模型PPI-LLM实现精准预测

蛋白质相互作用（PPI）是细胞生物学功能的核心，但其复杂性限制了实验解析效率。近日，研究人员开发了一种名为PPI-LLM的深度学习框架，该模型通过学习蛋白质序列的进化信息和结构特征，能够精准预测蛋白质间的相互作用。这一方法不仅克服了传统计算生物学在处理大规模相互作用网络时的局限性，还为药物靶点发现和蛋白质工程提供了强有力的计算工具，标志着蛋白质组学研究进入了由人工智能驱动的新阶段。...

2026-04-11 19:21:18 74

类脑智能与AI 深度学习结合纳米孔测序：实现RNA修饰动态与交互作用的全景图谱绘制

本研究开发了一种名为“DMR-seq”的创新计算框架，通过深度学习算法与纳米孔直接RNA测序技术的深度整合，实现了对转录组中多种RNA修饰的精确识别与定量。该方法不仅能够捕捉单碱基分辨率下的RNA修饰动态，还揭示了不同修饰类型之间复杂的交互作用（Crosstalk）。这一研究为解析表观转录组的调控机制提供了强有力的工具，对于理解RNA修饰在基因表达调控及疾病发生中的作用具有重要意义。...

2026-04-11 18:12:03 78

类脑智能与AI 《Nature Communications》：深度学习模型揭示内在无序蛋白基序的相分离机制

研究人员开发了一种结合可解释性与生成式深度学习的计算框架，旨在深入解析内在无序蛋白（IDPs）中的相分离基序。该模型通过学习序列特征与相分离倾向之间的复杂映射，不仅能够精准预测驱动蛋白液-液相分离（LLPS）的关键氨基酸序列，还成功设计出具有特定相分离特性的新型合成蛋白。这一研究为理解生物分子凝聚体的调控机制及开发相关疾病疗法提供了全新的计算工具。...

2026-04-11 13:01:48 101

类脑智能与AI 多模态知识迁移：分子表征学习的新范式

针对分子表征学习中数据匮乏与模态异构的挑战，研究团队提出了一种创新的多模态到单模态知识迁移预训练框架。该方法通过整合文本、图像及化学结构等多源信息，有效提升了模型在分子性质预测及药物发现任务中的表现。这一研究为解决生物医学领域小样本学习难题提供了新的技术路径，显著增强了深度学习模型对复杂分子空间的表征能力。...

2026-04-11 12:48:13 110

栏目导航

科研资讯 类脑智能与AI 脑机接口 学习记忆 神经心理 神经哲学 神经组学 衰老与长寿 遗传与演化 感觉与知觉 睡眠与生物节律 神经免疫与炎症 干细胞与再生 神经发育与可塑性 模式生物与实验动物

推荐内容

热门榜单