Google研究:将AI代理落地于生物实验室的基础构建
Google Research发布了一篇关于将AI代理应用于生物实验室的研究。文章介绍了VERID框架,能够实时跟踪实验室状态、进行虚拟干运行并执行硬件安全检查,从而避免物理不可行或错误的指令。作者还展示了在aptamer和蛋白质结合剂设计中的闭环实验循环,证明AI代理在几轮实验后能显著提高命中率,并通过数字孪生记录完整实验轨迹,为实验可重复性和安全性提供保障。
阅读原文 来源:Google Research
Google Research发布了一篇关于将AI代理应用于生物实验室的研究。文章介绍了VERID框架,能够实时跟踪实验室状态、进行虚拟干运行并执行硬件安全检查,从而避免物理不可行或错误的指令。作者还展示了在aptamer和蛋白质结合剂设计中的闭环实验循环,证明AI代理在几轮实验后能显著提高命中率,并通过数字孪生记录完整实验轨迹,为实验可重复性和安全性提供保障。
Leash Bio 发布了 Minos 预训练模型和一个包含 6.5M 个分子的开始数据集,旨于通过 DEL 数据训练代型进行科学推强学习。Ian Quigley 团队利用 DNA 编码库技术收集了高质量的蛋白-小分子相互作用数据,解决了行业数据质量差的问题。