版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
33 11.11.21.2.11.2.11.2.21.2.21.2.31.2.3882.12.1.12.1.12.1.22.1.2序號時間模型發(fā)表期刊架構(gòu)缺點11980sBlasKNN/輸入:蛋白質(zhì)序列;算法:通過比較目標蛋白與已知功能的蛋白質(zhì)之間的相似性,然后采用一種相似性加權(quán)算法來預測目標蛋白的功能;早期機器學習算法,效率低22018年DeepGOBioinforaics輸入:蛋白質(zhì)序列和PPI網(wǎng)絡;算法:基于卷積神經(jīng)網(wǎng)絡(CNN)的深度學習分類模型,使用r編碼蛋白質(zhì)序列,取序列特征。對于I網(wǎng)絡,采用pWalk生成每個蛋白質(zhì)的維網(wǎng)絡拓撲特征;層次化分類網(wǎng)絡需要巨大的內(nèi)存資源,難以應用于大規(guī)模標簽32020年DeepGOCNNBioinforaics輸入:蛋白質(zhì)序列;算法:從蛋白質(zhì)序列中提取特征以預測功能,通過堆疊的CNN白質(zhì)的功能最大預測蛋白質(zhì)長度為200042020年DeepGOAI/ACMTransacionsonCopuaionalBiologyandBioinforaics輸入:蛋白質(zhì)序列和PPI網(wǎng)絡;算法:使用Wordvc生成序列的殘基級嵌入,然后輸入到Bi-LSTM和多尺度CNN層中以提取全局和局部特征;具有特殊特征的蛋白質(zhì)功能無法預測,蛋白質(zhì)序列最長為100052021年praphOBioinforaics輸入:蛋白質(zhì)序列和網(wǎng)絡;算法:端到端模型,利用GNNs從網(wǎng)絡中提取信息以預測蛋白質(zhì)功能;缺乏PPIs信息的新測序生物體難以預測62021年pFRINaureCounicaions輸入:蛋白質(zhì)序列和結(jié)構(gòu);算法:融合了自監(jiān)督語言模型和圖卷積網(wǎng)序列特征及蛋白質(zhì)結(jié)構(gòu)來預測其功能;蛋白質(zhì)序列訓練集局限于PDB72022年GAT-GOBrifingsinBioinforaics輸入:蛋白質(zhì)序列和結(jié)構(gòu);算法:基于圖注意力網(wǎng)絡(GAT)的方法,它利用預訓練的蛋白質(zhì)序列語言模型。輸入蛋白質(zhì)序列,提取序列特征、殘基級特征和結(jié)構(gòu)特征,從而預測功能;對于長序列蛋白質(zhì),對蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)精度要求很高82024年DeepGO-SENaureachineInllignce輸入:蛋白質(zhì)序列;算法:使用預訓練的大型語言模型從蛋白質(zhì)序列預測GO功能,通過生成多個近似GO模型,并用神經(jīng)網(wǎng)絡預測蛋白質(zhì)功能的真值;當序列與PPIs結(jié)合時性能最佳,許多新蛋白質(zhì)沒有已知的相互作用限制了組合模型的應用2.2序號時間模型團隊架構(gòu)應用范圍12018年NNI天津大學團隊NNI基于深度神經(jīng)網(wǎng)絡,包含卷積神經(jīng)網(wǎng)絡(CNN)和長短期記憶(LSTM)兩個獨立的順序?qū)樱瑥牡鞍踪|(zhì)序列中學習的特征以自動預測PPI。預測蛋白質(zhì)-蛋白質(zhì)相互作用32021年AlphaFoldulirpind基于深度學習,先建立復合物的多序列比對,以推斷進化關系,然后用與AlphaFold基本相同的深度學習方法來預測三級結(jié)構(gòu)。預測蛋白質(zhì)復合物三維結(jié)構(gòu)22021年quiock麻省理工學院quiock模型,假設蛋白質(zhì)內(nèi)的構(gòu)象在結(jié)合過程中沒有發(fā)生構(gòu)象變化的情況下,在單個未結(jié)合結(jié)構(gòu)的模型。預測蛋白質(zhì)-蛋白質(zhì)復合物結(jié)構(gòu)62022年quiBind麻省理工學院以quiock為基礎,依賴-等變圖神經(jīng)網(wǎng)絡,以配體分子圖的隨機三維構(gòu)象和受體結(jié)構(gòu)作為輸入,預測結(jié)合蛋白質(zhì)配體構(gòu)象。預測蛋白質(zhì)-小分子復合物結(jié)構(gòu)42022年pTrio浙江大學團隊pTrio是一種使用掩碼多個并行卷積神經(jīng)網(wǎng)絡預測蛋白質(zhì)-蛋白質(zhì)相互作用52022年niFoldulir深勢公司團隊端對端的蛋白質(zhì)復合物結(jié)構(gòu)預測,輸入蛋白質(zhì)多聚體的一級結(jié)構(gòu)),預測蛋白質(zhì)的三級結(jié)構(gòu),同時給出預測結(jié)果的置信度。預測蛋白質(zhì)復合物結(jié)構(gòu)72022年TANKBind星藥科技聯(lián)合復旦大學、中山大學共同研發(fā)基于圖神經(jīng)網(wǎng)絡模型,用三維結(jié)合構(gòu)象表示分子之間的幾何關系,從而提高預測的準確性。預測蛋白質(zhì)-小分子配體結(jié)構(gòu)和親和力82022年IFFOCK麻省理工學院基于深度學習的分析對接模型,以配體和靶標的結(jié)構(gòu)信息作為輸入,之后對配體進行了一定的構(gòu)象轉(zhuǎn)換(平移,旋轉(zhuǎn),扭轉(zhuǎn))來生成新的配體構(gòu)象,最后則是對這些生成的配體進行一個合理性的評分以及排名。預測蛋白質(zhì)-小分子結(jié)合結(jié)構(gòu)92023年IFFOCKP麻省理工學院算法整體思路與ifock接近,使用機器學習方法學習將未結(jié)合的蛋白質(zhì)結(jié)構(gòu)翻譯和旋轉(zhuǎn)為其結(jié)合構(gòu)象,對評分模型生成的不同姿勢,進行排序并選擇最佳姿勢。預測蛋白質(zhì)-蛋白質(zhì)結(jié)合結(jié)構(gòu)102023年II騰訊AILab港科技大學、中國科學院大學相關團隊基于層次圖學習技術(shù)的深度學習,描述蛋白質(zhì)之間的相互作用,每種蛋白質(zhì)就是一個節(jié)點,蛋白質(zhì)之間的相互作用就是圖的邊,關鍵氨基酸或殘基組合就是圖的節(jié)點,物理位置相鄰的殘基以邊相連。預測蛋白質(zhì)-蛋白質(zhì)相互作用112023年RosTTAFoldNAavidBakr團隊端到端的深度學習方法,使用與RoseTTAFold相同的數(shù)據(jù)集進行訓練,并增加了所有RNA、蛋白質(zhì)-RNA和蛋白質(zhì)-DNA復合物的結(jié)構(gòu)信息。預測核酸結(jié)構(gòu)和蛋白質(zhì)-核酸復合物結(jié)構(gòu)122023年AlphaFoldlastpind最新版本的AlphaFold。對包括蛋白質(zhì)、核酸、小分子、離子和修飾殘基在內(nèi)的復合物進行聯(lián)合結(jié)構(gòu)預測序號時間模型團隊架構(gòu)應用范圍12019年trRosettaavidBakr團隊基于結(jié)構(gòu)神經(jīng)網(wǎng)絡的蛋白質(zhì)序列設計方法。蛋白質(zhì)逆折疊22022年roinNNavidBakr團隊基于圖神經(jīng)網(wǎng)絡的蛋白質(zhì)序列設計方法。用于設計單體蛋白質(zhì)、對稱重復結(jié)構(gòu)、納米顆粒和目標蛋白質(zhì)結(jié)合物。32023年RFiffusionavidBakr團隊基于擴散模型,結(jié)合預先訓練的蛋白質(zhì)結(jié)構(gòu)預測模型RoseTTAfold的蛋白質(zhì)設計方法。用于穩(wěn)定單體設計、對稱低聚物設計、功能基序或酶活性位點的支架設計,以及蛋白質(zhì)結(jié)合物設計。42023年ProGenSalesforceResearch、TierraBiosciences和加州大學的研究團以無監(jiān)督學習的方式在一個大型多樣的蛋白質(zhì)序列數(shù)據(jù)庫中進行訓練,學習通用的蛋白質(zhì)表示。訓練后,ProGen可以根據(jù)提示從頭生成蛋白質(zhì)序列從功能生成蛋白質(zhì)序列應用范圍應用范圍序號時間應用團隊架構(gòu)12020年andaOics平臺Insilicodicine(英矽智能)通過AI對患者基因組學和蛋白質(zhì)組學等醫(yī)學多組學數(shù)據(jù)的挖掘分析,對正常組織和疾病分析,結(jié)合數(shù)據(jù)來整合靶點信22022年AI賦能的蛋白質(zhì)組學平臺西湖大學郭天南團隊及西湖歐米32024年22223.1.13.1.1序號成立時間企業(yè)名稱平臺應用場景最新融資輪次商業(yè)模式合作企業(yè)管線情況/成果12011年ABciIngradrugCraion?平臺抗體藥物研發(fā)——從頭生成、先導化合物優(yōu)化、細胞因子生物2021年7月上市自研管線/合作管線諾華、梯瓦、維森特、IGM公司數(shù)條藥物管線22012年AbCllra抗體藥物開發(fā)平臺抗體藥物研發(fā)2020年納斯達克上市自研管線阿斯利康、AImirall、艾伯維數(shù)余條管線,ABCL575和ABCL635兩條目前正在進行IND研究32012年Labnius基于機器學習的蛋白質(zhì)藥物發(fā)現(xiàn)&EVATM蛋白質(zhì)工程平臺抗體藥物研發(fā)(癌癥、炎癥)——優(yōu)化抗體2020年A輪合作賽諾菲Labnius與賽諾菲合作優(yōu)化NANOBODY?蛋白,獲得積極成果42013年瀚科邁博AI計算機輔助抗體設計平臺抗體藥物研發(fā)(腫瘤靶向治療和腫瘤免疫治療)2023年A+輪自研/合作管線安科生物8條管線,未進入臨床52014年Bnchci知識圖譜連接的ASCEND平臺SaaS——重組蛋白、RNAi、動物模型、基因編輯技術(shù)等試劑的選擇2023年D輪合作賽諾菲、諾和諾德、艾伯維、武田制藥、GSK、諾華、強森、百濟神州、默克/62017年JuvnaThrapuicsJuvNET平臺和專有蛋白質(zhì)庫分泌蛋白設計2022年A輪自研管線/數(shù)余條管線,涉及多種肌病和代謝類疾病以及未披露的管線72018年nraeBiodicinsChroma生成式人工智能模型蛋白質(zhì)從頭生成2023年C輪自研管線/合作管線安進、美國安德森癌癥中心十余條管線,包括免疫學、傳染性和腫瘤學等領域82018年NablaBio蛋白質(zhì)語言建模的人工智能蛋白質(zhì)設計平臺AbapM平臺抗體藥物設計-從頭生成2021年種子輪自研管線/未披露92019年BigatBioscincs抗體藥物開發(fā)平臺抗體藥物研發(fā)——優(yōu)化抗體、從頭生成2022年B輪自研管線/合作管線艾伯維、安進、默克5條管線以及與安進和默克合作的未披露的管線102021年isicThrapuicIACT?平臺蛋白質(zhì)從頭設計和優(yōu)化2022年A輪自研管線/針對泛Ig蛋白酶和的2條管線,均處于IND授權(quán)開發(fā)階段112021年華深智藥HelixonDesign抗體藥物發(fā)現(xiàn)平臺;OmegaFold蛋白質(zhì)預測抗體藥物研發(fā)2022年A輪自研管線/多條用于腫瘤和自身免疫性疾病的大分子藥物管線122022年賽得康生物AbZed蛋白模塊技術(shù)平臺多特異性重組蛋白2023年種子輪自研/合作管線晶泰科技3條管線,未進入臨床132022年呈元科技生成式AI設計平臺SynCore針對I靶點的環(huán)肽藥物設計2023年PreA輪自研管線羅氏10條管線,未進入臨床3.1.23.1.2序號發(fā)布時間技術(shù)/平臺來源技術(shù)框架應用場景成果12021年AdvancedCovalentxploraionachpointThrapuics基于機器學習算法,指導靶點的優(yōu)先排序和特有骨架預測;識別致病蛋白的新型共價結(jié)合物并提供整個蛋白質(zhì)組的選擇性評估;組學數(shù)據(jù)理解靶點和疾病關系,以及可成藥蛋白質(zhì)分子發(fā)現(xiàn)研發(fā)管線最初將聚焦于免疫學領域,在賽諾菲和Vertex的支持下成立的,旨在開發(fā)創(chuàng)新共價小分子藥物;22022年andaOics0Insilicodicin(智能)使用AI分析患者基因組學、轉(zhuǎn)錄組學和蛋白質(zhì)組學等醫(yī)學多組學數(shù)據(jù);潛在靶點識別和老藥新用策略的開發(fā)與劍橋大學合作發(fā)現(xiàn)阿爾茨海默病等多種疾病治療新靶點;使用轉(zhuǎn)錄組數(shù)據(jù),提名51個與衰老相關的潛在靶點;發(fā)現(xiàn)MYT1作為乳腺癌等癌癥治療靶點的潛力;等等32023年andaOics—ChaandaTInsilicodicin(智能)在andaOics中增加了基于Transforr的知識圖譜功能;使用大型語言模型實現(xiàn)問答功能,發(fā)現(xiàn)最佳潛在藥物靶點42023年ConPLex麻省理工學院基于大語言模型的AI算法,將目標蛋白質(zhì)與潛在藥物分子相匹配;可應用于小分子藥物和治療性抗體的篩選擴大靶點庫;新藥物發(fā)現(xiàn)52023年大模型xTrio、AI蛋白質(zhì)生成平臺AIP百圖生科將大規(guī)模蛋白質(zhì)語言模型(PLM)與AlphaFold2相結(jié)合新靶點以及新藥物的發(fā)現(xiàn)與啟愈生物合作發(fā)現(xiàn)新靶點和新藥物;與啟德醫(yī)藥合作推進ADC3.1.33.1.3序號成立時間企業(yè)名稱平臺技術(shù)/應用場景最新融資輪次商業(yè)模式合作企業(yè)管線情況/成果12013年宇道生物變構(gòu)藥物研發(fā)平臺ALLOSTAR?難成藥靶點-變構(gòu)藥物2022年A+輪自研/合作管線青煜醫(yī)藥5條管線,未進入臨床22017年Rdsigncince綜合物理、化學、實驗數(shù)據(jù)以及深度學習和主動學習的NUVO?平臺難成藥靶點——蛋白質(zhì)互作預測、蛋白質(zhì)-DNA和RNA結(jié)合預測、變構(gòu)生物學2021年未披露自研管線/8條管線,主要針對腫瘤學和免疫學32018年DeepCureockxpandr?平臺(口袋擴展器)、oln?平臺(分子設計)難成藥靶點——蛋白質(zhì)-蛋白質(zhì)相互作用預測2021年A輪自研管線Bioro(合成實驗室)8條管線,主要針對炎癥和免疫學42019年nsisThrapuics人工智能平臺GEMS難成藥靶點——蛋白質(zhì)-配體結(jié)構(gòu)和相互作用預測2023年B輪合作CRO禮來、基因泰克、斯坦福大學未披露52019年VentusTherapeuticsReSOLVE?平臺難成藥靶點2020年A輪自研管線/合作管線諾和諾德十余條自研與合作管線,針對cGAS、NLRP3以及其他未披露靶點62020年德睿智藥一站式AI藥物設計平臺olculero?;蛋白質(zhì)動態(tài)模擬、結(jié)構(gòu)預測平臺olculeanc?;基于知識圖譜的數(shù)據(jù)挖掘平臺harK?難成藥靶點—蛋白質(zhì)動態(tài)模擬、結(jié)構(gòu)預測2023年A+輪自研/合作管線、CRO德琪醫(yī)藥、皓元醫(yī)藥、復宏漢霖、美迪西10余條管線,其中2條進入臨床階段72021年CHARMThrapuicsragonFold平臺難成藥靶點——蛋白質(zhì)-配體共折疊預測,繞過親和力預測2023年未披露合作/主要針對腫瘤學82021年CongruenceTherapeuticsRevenir?平臺、蛋白生物物理特性的專有數(shù)據(jù)庫針對蛋白質(zhì)折疊錯誤的靶點設計小分子藥物2023年A輪自研管線/5條管線,包括癌癥、帕金森、肥胖等疾病92021年GandeevaTherapeuticsOTLIT?平臺(靶標選擇)(冷凍電鏡)、CRYO-CADD?平臺(藥物發(fā)現(xiàn))難成藥靶點——蛋白質(zhì)互作預測、蛋白質(zhì)-藥物預測2022年A輪自研管線Moderna(冷凍電鏡研究蛋白質(zhì)表面結(jié)構(gòu)合作)4條管線,主要針對腫瘤學,1條進入IND申請102021年ENSEMKineticEnsemble?平臺、EnsemNET?平臺、EnsemGEN?平臺難成藥靶點——蛋白質(zhì)口袋預測、蛋白質(zhì)-配體相互作用預測2022年A輪自研管線/合作管線百濟神州3條管線,其中1條授權(quán)給百濟神州,主要針對腫瘤學112021年IsomorphicLabs新一代AlphaFold與人工智能藥物開發(fā)平臺/CRO諾華、禮來2024年與禮來合作獲4500萬美元的預付款;與諾華合作獲3750萬美元的預付款122021年予路乾行多尺度分子動力學+人工智能藥物研發(fā)平臺Divamics難成藥靶點—蛋白質(zhì)三維結(jié)構(gòu)、蛋白質(zhì)-配體復合物結(jié)構(gòu)、PPI結(jié)合界面等從頭建模和分析優(yōu)化2023年未知輪CRO立迪生物、甫康藥業(yè)、星浩澎博已與多家國內(nèi)外生物醫(yī)藥企業(yè)合作,達成近20個項目里程碑3.2.13.2.13.2.23.2.2序號成立時間企業(yè)名稱平臺應用場景最新融資輪次商業(yè)模式合作企業(yè)管線情況/成果12008年ArzedaInlligntroinsignchnoogy平臺農(nóng)業(yè)、能源2022年B輪合作Ayris、聯(lián)合利華、Zyrgn提高將甜菊提取物轉(zhuǎn)化為甜味劑效率的酶,預計在2023年四季度正式上市22020年nzyit深度學習酶設計平臺酶的從頭設計和優(yōu)化——生長因子、重組蛋白等2022年種子輪合作AlphFars與AlephFarms合作開發(fā)生長因子替代品,已用于細胞培養(yǎng)肉獲批上市;32020年引加生物核心蛋白技術(shù)平臺核心蛋白原料的開發(fā)——細胞治療、mRNA疫苗、新藥研發(fā)、分子診斷和腫瘤新藥伴隨診2023年A輪合作上海交大免疫學研究所、上藥康希諾、智峪生科、泉心泉意/42021年CradleBioCradle生成式人工智能模型蛋白質(zhì)從頭設計——疫苗、多肽和抗體、工業(yè)酶等2023年A輪合作強生、grifols、novozys、Arkon、nzyit與超過12個研究和開發(fā)項目合作52021年onodBioLucCage生物傳感器平臺和LuxSit從頭設計光素酶平臺生物傳感器——醫(yī)療診斷、食品污染、環(huán)境檢測2022年種子輪合作/使用AI算法——Family-wideHallucination創(chuàng)造出全新的酶,可以有效催化熒光素底物發(fā)光62021年智峪生科ZCloud全生態(tài)平臺醫(yī)療健康、生物制藥、食品保健、美容化妝品和農(nóng)業(yè)畜牧業(yè)等2023年A輪合作維亞生物、引加生物、海正藥業(yè)藥物中間體、抗菌藥物、
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 不動產(chǎn)抵押借款示范協(xié)議2024年版版B版
- 二零二四年度航油供應與物流服務全面合作協(xié)議
- 2024年規(guī)范:鐵路貨物運輸勞務合同2篇
- 2024年高層管理崗位人才聘用協(xié)議
- 2024試用期勞動協(xié)議書模板:新材料產(chǎn)業(yè)專用版3篇
- 2024權(quán)買賣合同協(xié)議書:醫(yī)療設備使用權(quán)轉(zhuǎn)讓協(xié)議3篇
- 2024年高新技術(shù)企業(yè)研發(fā)項目不可撤銷風險擔保書3篇
- 中國傳媒大學《動物學實驗》2023-2024學年第一學期期末試卷
- 浙江同濟科技職業(yè)學院《生物實驗安全概論》2023-2024學年第一學期期末試卷
- 長江工程職業(yè)技術(shù)學院《證券從業(yè)知識技能》2023-2024學年第一學期期末試卷
- 心源性暈厥護理查房課件
- 小學詞語的分類與運用參考模板
- 初中班主任德育論文3000字(10篇)
- 巖土工程勘察服務投標方案(技術(shù)方案)
- 副院長兼總工程師的崗位說明書
- 建筑施工扣件式鋼管腳手架安全技術(shù)規(guī)范-2
- 監(jiān)理單位組織結(jié)構(gòu)圖
- 十二經(jīng)脈循行原文背誦
- 身份證地區(qū)對應碼表
- 高一家長會課件ppt
- 牙齦癌護理查房課件
評論
0/150
提交評論