据瑞士巴塞尔大学官网20日报道，该校和瑞士生物信息学研究所（SIB）的科学家借助机器学习技术，识别出了290个新的蛋白质家族和一个类似花朵形状的新蛋白质折叠。相关论文发表于最近的《自然》杂志。交互式网络“蛋白质宇宙图谱”。
谷歌表示，这种新方法让我们可以较为准确地预测蛋白质功能、突变的功能效应，并进行蛋白质设计，进而应用于药物发现、酶设计，甚至是了解生命的起源。论文:Using deep learning to annotate the protein universe。
新京报贝壳财经讯（记者罗亦丹）10月9日，诺贝尔化学奖揭晓，大卫·贝克（David Baker）、戴米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M.Jumper）因“在蛋白质设计和蛋白质结构预测领域作出的贡献”获奖。
王玉杰，刘军辉，康颖晖，等. 蛋白质组学研究的现状和发展趋势. 生命科学研究， 2004， 8: 225-228.徐向阳，魏健. 蛋白质组学中的机器学习算法. 生物技术通报， 2010， 26: 92-96.
北京时间10月9日下午，瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予三位科学家，其中一半授予美国科学家戴维·贝克（David Baker），以表彰其在“计算蛋白质设计”方面的贡献；另一半授予就职于英国人工智能公司谷歌DeepMind的两位科学家德米斯·哈萨比斯（Demis H
·澎湃科技独家获悉，百图生科即将发布AIGP平台（相当于生命科学大模型的出口）和相应的合作计划，开放部分能力接口。“现在大家都知道ChatGPT，好像它是突然出现的，但它实际上是AI领域持续研究慢慢进步的结果。”百图生科CTO、国际机器学习大牛宋乐在接受澎湃科技（www.
一年前，DeepMind 发布了 AlphaFold2，以原子水平的准确度预测了 2/3 的蛋白质结构，并与 EMBL-EBI 共同发布了开放可搜索的蛋白质结构数据库 AlphaFold DB，与世界共同分享这一技术。
7月28日，DeepMind公司与欧洲生物信息研究所（EMBL-EBI）的合作团队公布了生物学领域的一项重大飞跃。他们利用人工智能（AI）系统AlphaFold预测出超过100万个物种的2.14亿个蛋白质结构，几乎涵盖了地球上所有已知蛋白质。
