跳到主要内容
检索

Scripps Research Institute

2 篇关联报道

订阅更新
  1. researchsquare.com

    AI准备度不看科室看任务:330项临床任务打分,任务类别解释力是科室的十倍

    衡量一个医学专科能否被AI改造,答案更多藏在它由哪些临床任务组成,而不是它叫什么名字。研究团队按美国专科认证目录选取22个专科、每科15项共330项临床任务,用可编码性、数据结构依赖、决策权可转移性、身体依赖、临床可治理性和专科中心性六个维度做三点量表打分,汇总为医学专科AI准备度(MSAIR)。任务类别解释了71.6%的调整R²,专科只解释6.4%;文档记录平均分最高(2.874),急诊决策最低(1.639),专科均值仅在2.010到2.543之间。

  2. FEBS Letters

    勘探蛋白质设计版图:从高亲和力结合体到功能可切换蛋白

    这篇综述梳理了深度学习驱动的蛋白质设计流程,讨论了肽、小分子、结合体、疫苗与抗体等方向的定制化应用,指出当前用于筛选与评估设计的置信度指标仍针对静态蛋白界面优化、在代表性不足或构象复杂的目标上可能失效,并主张整合基于集合(ensemble)的方法有望提升设计成功率,同时强调折叠切换支架与通过工程化环肽实现的分子胶等策略可扩展设计蛋白的功能范围。

已读完全部报道