AI生命延续学日报 2026/3/18

今日摘要 

DeepMind 伦敦新总部 Platform 37 开幕，一楼开放 AI 交流中心，AlphaFold 4 可能在此诞生。
AlphaFold3 设计出定向版 IL-2 让 CAR-T 疗法更安全，AI 蛋白质设计拿下微型抑制剂新突破。
生命科学 AI 工具开始"平民化"，从药物设计到疾病预测全面开花，值得持续关注。

⚡ 快速导航

💡 提示：想第一时间体验文中提到的最新 AI 模型（Claude 4.5、GPT、Gemini 3 Pro）？没有账号？来 爱窝啦 Aivora 领个号，一分钟上手，售后无忧。

今日 AI 生命科学资讯

👀 只有一句话

DeepMind 在伦敦建了座"AI 神殿"，专门用来搞生命科学突破。

🔑 3 个关键词

#AI蛋白质设计 #医学AI #生物计算

🔥 重磅 TOP 10

DeepMind 新总部 Platform 37 揭幕，专注 AI 生命科学突破

AlphaGo 的 Move 37 改变了围棋，现在 DeepMind 把新总部命名为 Platform 37，向那个传奇时刻致敬。这栋建筑不只是办公楼，一楼还开了个"AI 交流中心"，普通人也能进去看展览、参加活动，了解 AI 怎么改变生命科学。Demis Hassabis 说这是"献给科学和 AI 的空间"，看来 AlphaFold 4 和下一代蛋白质设计工具可能就在这里诞生。

图片

AlphaFold3 驱动的 IL-2 免疫疗法设计：让 CAR-T 细胞更精准

CAR-T 疗法有个老大难问题：用 IL-2 激活免疫细胞时，正常细胞也会被误伤，导致严重副作用。现在研究团队用 AlphaFold3 设计了"定向版"IL-2，只激活 CAR-T 细胞，不碰其他免疫细胞。他们用物理约束的序列生成器筛选突变体，预测的结构质量指标 ipTM 达到 0.724，非目标结合几乎为零。这意味着未来 CAR-T 疗法可能更安全、更有效，白血病患者有福了。

补体 C9 微型蛋白抑制剂：用 AI 设计"分子盾牌"

人体免疫系统有时会"误伤友军"，补体系统攻击自身细胞导致自身免疫病。这篇 Nature 子刊论文用 AI 设计了微型蛋白，专门堵住补体 C9 的组装过程，像给细胞加了层"分子盾牌"。这种微型蛋白比传统抗体小得多，更容易进入组织，未来可能用于治疗类风湿、红斑狼疮等疾病。AI 蛋白质设计又拿下一城。

LongHap：用甲基化信号改进基因组单倍型重建

测序技术越来越强，但把染色体的两条链（单倍型）准确分开仍然很难。LongHap 这个新工具不只看 DNA 序列，还利用了长读测序数据里的甲基化信号（一种表观遗传标记）。结果是：错误率更低，单倍型连续性更好，在医学相关基因上的表现尤其出色。这对精准医疗很关键——同一个突变在不同单倍型上，致病性可能完全不同。

DEX：基于深度突变扫描的氨基酸替换矩阵

进化生物学有个老问题：哪些氨基酸替换更容易发生？研究团队测试了 30 种氨基酸距离矩阵，发现实验数据（尤其是深度突变扫描）比理论模型更准。他们开发的 DEX 矩阵结合了多种顶级方法，在预测密码子替换模式上表现最佳。这对蛋白质工程、进化分析、甚至 AI 蛋白质设计都有用——知道哪些突变更"自然"，就能设计出更稳定的蛋白。

多尺度跨模态融合框架预测药物-靶点结合

AI 制药的核心问题：这个药物分子能不能结合到目标蛋白上？MSCMF-DTB 框架同时分析药物的化学结构和蛋白质的序列信息，用多尺度融合技术把两种数据"翻译"成统一语言。这比单独看分子结构或蛋白序列准确得多，能更早筛掉无效候选药物，节省大量实验成本。

深度学习 + Swin Transformer 诊断乳腺癌

医学影像 AI 又进化了。这个框架用 Swin Transformer（一种视觉 AI 架构）+ 双注意力机制，能从乳腺 X 光片里更准确地识别癌症。关键是它不只看局部特征，还能捕捉全局模式，减少漏诊。对于早期乳腺癌筛查来说，这种 AI 辅助诊断工具可能成为医生的"第二双眼睛"。

序列数据挖掘预测痴呆症早期诊断

痴呆症早期症状很隐蔽，等到明显时往往已经晚了。这项研究用序列数据分析（患者的就医记录、检查结果等时间序列数据），训练 AI 模型提前预测痴呆风险。这种方法比单次检查更准，因为它能捕捉到"症状演变的轨迹"。如果推广开来，可能让更多患者在早期得到干预。

新型苯并咪唑化合物抑制胆碱酯酶，潜在治疗阿尔茨海默病

阿尔茨海默病的一个治疗策略是抑制胆碱酯酶，提高大脑里的乙酰胆碱水平。研究团队合成了新型苯并咪唑-烷磺酸盐化合物，体外实验和计算模拟都显示它能有效抑制胆碱酯酶。虽然还在早期阶段，但这类小分子药物比抗体更容易进入大脑，值得期待。

环肽空间：用 ESM-2 语言模型优化序列选择

环肽是下一代药物的热门候选，但设计起来很难——化学空间太大了。研究团队用蛋白质语言模型 ESM-2 构建了"环肽空间"，把每个环肽映射成高维向量，然后均匀采样这个空间来选择初始序列。结果比随机选择效率高得多，在设计 β2-微球蛋白结合肽时，找到优秀候选的速度明显更快。这套方法可能成为 AI 药物设计的新标配。

📌 值得关注

[研究] DeepMind 新总部一楼开放"AI 交流中心" - 普通人也能进去看 AI 展览，今年晚些时候开放

📊 更多动态

#类型标题链接
1教程数据科学家的 AI Agent 基础教程链接

🔮 AI 生命科学趋势预测

AlphaFold 4 正式发布

Last updated on
03-19-日报03-16-日报