ESMFold:Meta的蛋白质结构预测新利器，6亿种结构尽在掌握，AI速度翻倍！
Meta的ESMFold模型和DeepMind的AlphaFold2都专注于蛋白质结构预测，AlphaFold解决了50年难题，而ESMFold在较短序列中速度更快，且不需显式同源序列。作为大型语言模型，ESMFold通过生物基因语言训练，能从单个序列预测三维结构，显著提高了预测效率，展示了AI在生物学应用中的潜力。Meta的这项研究推动了蛋白质结构预测领域的发展，并可能缩短药物和疫苗开发的时间。
🔥AI4Science新纪元？ChatGPT生物药探索，未来医药趋势大讨论？🚀
本场《理解未来》讲座主题为"AI for Science:科技革命与生物医药机遇"，加拿大专家唐建讨论了语言生成模型如ChatGPT在医药领域的应用潜力，指出人工智能已渗透到生物医疗交叉领域，如GeoDiff、E3Bind等技术的应用。中国科学院院士鄂维南则强调AI将革新科研范式，传统领域将成为其主战场，并推动新产业诞生，提出"平台科研"将是未来趋势。论坛围绕AI在医药领域的前景、生成式AI的影响以及促进科学家与AI专家合作展开讨论。
BioMedGPT：生物医药领域的通用大模型，能融会贯通的知识强项及未来展望
BioMedGPT-1.6B是一款由清华大学AIR生命科学团队研发的通用大模型，旨在成为生物医药领域的基础大模型，处理药物性质预测、跨模态任务等。项目始于ChatGPT出现前，目前团队已有50人规模。尽管尚未达到预期能力，他们选择开源以服务科研人员，相信通过实验和专家指导能降低模型的幻觉并扩大其应用范围。未来，BioMedGPT有望对AI制药行业产生积极影响，但算力和数据问题仍需关注。
合成生物革命来了吗？ChatGPT背后，如何看待这一领域的非理性繁荣与长期机遇？
"合成生物领域迎来繁荣，2022年相关报告激增，投资机构认可的上市公司增多。然而，罗玺强调需避免同质化竞争，研究界和投资者应深入挖掘底层原理和技术潜力。圆桌讨论围绕碳中和、医药等多个主题，探讨产业合作与用户需求，药企面临报批周期长及选品挑战。"