清华大学程功教授团队研发的先进模型为我们带来了流行病预测的崭新视角，也激励着我们思考如何利用科技手段更有效地应对疫情。在这一过程中，AI技术的快速发展让我们有理由相信，通过科学、数据驱动的方式，未来对流行病的防控将更加精准高效。同时，这一研究也彰显了 ...

它使科学界无需系统发生树、深度突变扫描（DMS）或三维蛋白质结构等信息，就能预测即将出现的SARS-CoV-2变体的序列。然后，团队利用结合了SARS-CoV ...

清华大学程功教授团队最近开发了一种无数据要求的语言模型，揭示了SARS-CoV-2变异的潜在规律 ... 实验扫瞄或抗体三维结构的信息，仅凭序列数据 ...

关于SARS-CoV-2可感染红细胞并导致血凝的报道，也证实了这一发现。 在重症病例中，簇1和簇4由具有丰富窦状结构的肝细胞组成，簇2由肝细胞组成 ...

为了克服这一限制，麻省理工学院的研究人员开发了一种计算技术，使大型语言模型能够更准确地预测抗体结构。他们的工作可以使研究人员筛选数百万种可能的抗体，以确定那些可用于治疗SARS-CoV-2和其他传染病的抗体。

研究人员利用被称为大型语言模型的人工智能模型，在根据蛋白质序列预测蛋白质结构方面取得了重大进展。 然而，将这种方法应用于抗体却被证明更具挑战性，这主要是由于这些蛋白质固有的高度可变性。为了克服这一限制， 麻省理工学院的研究人员开发了一种计算技术，允许大语言模型更准确地预测抗体结构。 他们的工作可以让研究人员从数百万种可能的抗体中筛选出可用于治疗SARS-CoV-2和其他传染病的抗体。西蒙斯数学教授 ...

亥姆霍兹慕尼黑和Ludwig-Maximilians大学（LMU）的研究人员发现了与长COVID相关的神经系统症状的可能解释。他们的研究表明，SARS-CoV-2刺突蛋白可以在感染后在大脑的保护层（脑膜）和头骨骨髓中持续存在长达四年。这种挥之不去的刺突蛋白可能会引发慢性炎症，并增加神经退行性疾病的风险。

后者涵盖了用以组装 SARS-CoV-2 主要蛋白酶及其生化活性详细结构图的机器学习、分子模拟以及高通量结构生物学和化学。在 COVID Moonshot Consortium 推出 ...

SARS-CoV-2病毒的传播已使COVID-19疾病成为全球 ... 之类的先进人工智能技术在识别结构（例如在患病组织中发现的结构）方面非常有效。