lida

Meta的ESMFold蛋白结构预测模型与DeepMind的AlphaFold2相比，在短氨基酸序列中速度快了近60倍，使用ESM-2学习信息进行端到端3D结构预测，无需显性同源序列输入。该模型由Meta AI资深研究科学家Alexander Rives领导，已在GPU上实现了快速运行，并计划应用于大规模蛋白质数据的无监督学习研究。AlphaFold2的成功推动了AI在生物学中的应用，缩短了蛋白质结构预测的时间，降低了成本，对药物、疫苗开发和气候变化等领域至关重要。

BioMedGPT-1.6B是一款旨在成为生物医药领域基础大模型的通用人工智能模型，已开源供科研人员试用。项目由清华大学AIR生命科学团队主导，该团队在聂再清教授的带领下已筹备一年多。不同于现有医药专模，BioMedGPT具有多模态输入Encoder，能处理多种任务并学习关联知识。尽管目前规模和能力尚不满足一些高期待，团队目标是服务于正在相关研究中的科研人员，并通过持续优化降低模型的幻觉感。

本文采访了两位生物科学领域的专家——布鲁斯·艾伯茨和基思·罗伯茨，关于他们对人工智能在教科书写作中的作用的看法。他们认为编写教科书的关键在于人类判断力，而非ChatGPT这样的工具，因为选择关键内容、构建知识框架是教育工作者的职责。人工智能虽能提供大量信息，但无法决定哪些最重要，且过度填充可能导致学生记忆混乱。两位专家强调了教授的重要性，好的教授能够引导学生理解和掌握知识，而《问题集》这样的辅助资源对自学也很有帮助。他们正在筹备新的教科书版本，并寻找年轻作者加入团队，以确保内容的更新和质量。

深圳湾实验室的周耀旗预测，传统结构生物学可能会被人工智能和高通量实验方法取代，但生物学家仍需与AI合作，探索多尺度、综合性研究；他本人将继续专注于结构生物信息，坚信即使结果不尽如人意，学习过程中的新发现也价值不菲。