Nature正刊

去年还是预印本阶段的时候在研讨会课上讲过这篇文章，当时不少做生物实证的同学都在吐槽湿实验验证的部分提升有点不够显著且有专挑简单问题处理（所谓“摘樱桃”）的嫌疑，不过确实也有专做PPI的同学说在可批量生成迭代的情况下能达到这个效果已经很难得了，不过我们当时一致的疑惑就是为什么用的是AF2的冻结微调权重而不是直接上理论上更好的RFDiffusion，而且这种随机生成+MPNN+AF再反馈验证的架构早在三年前就已经有ColabDesign了（而且还支持AF与RFDiffusion两套不同工作流），只是把其中原来AF2的工作流专门摘出来重新包装成一个新的工具似乎有点多此一举（当然也有可能是认为ColabDesign有点太社区化散漫了想搞个更正式的学术发布版，使用AF也有可能是表现更稳定，不过现在AF3也用上Diffusion了似乎算是两难自解了？）

♥ 141 ↩ 7

所以现在做生物学研究的年轻学者学习计算机技术已经是必修课了吗，用信息学做研究是否也是以后发高水平论文的必要条件呢

♥ 102 ↩ 17

我们实验室也搞这方面，上游干实验一次搞五十多个，我们下游湿实验的干都干不过来，累死在实验室了都要[doge][笑哭]

♥ 58 ↩ 8

有点像是diffusion由噪声生成图的思路

♥ 54 ↩ 1

有意思，这种一看就像正经文章，比a基因影响b疾病这种垃圾文章靠谱多了

♥ 59 ↩ 11

讲生物专业的，没几个真讲生物的，大都充满戾气，所以up主一定要坚守啊！虽然我也听不懂，但是为了向学生物的儿子靠拢，也坚持听。听不懂，但是觉得很专业，不只是教人知道什么，而是激发对这个学科新的思考。

♥ 17 ↩ 2

没学过生物学，但是能理解up的解说。言简意赅、逻辑通顺。[打call]

♥ 12

纯生物学生，想问一个问题就是，这是通过穷举法来一个个试哪个好用吗？因为我现在使用alphafold预测结构感觉要等很长时间，如果一个个穷举的话，是不是极其消耗算力（能叫算力吗？不太了解计算机之类的），也需要等好长时间呢？

♥ 9 ↩ 2

最后还是要验证，并没有省时间，噬菌体展示2星期就做完了。

♥ 9 ↩ 1

等我上岸了我也带大家读顶刊[打call] 但是我感觉解读我们专业的论文可能大家都不感兴趣[笑哭]读生物的论文还能让人有一种做阅读理解的感觉

♥ 6

学习了，我是做计算生物学的，不太会讲故事。up主的前几句话就吸引了我，故事讲的非常好。关于反向传播优化，其实在做计算的眼里是非常基础非常简单的操作，但是我觉得up主讲的很好，下一篇文章我就准备按照这个讲法去写[doge](或者说bindcraft的讲法)。up主一定要坚持啊，想要投币打赏什么的都没问题，这也算高净值的知识付费了。

♥ 5

对抗生成网络，梯度从X回传，把W作为常量

♥ 5

那是否能用这个逻辑开发一个可以自主设计特定控制亲和力的小蛋白或刚性肽呢，这样邻近效应的应用就可以更进一步了

♥ 5 ↩ 1

天天颠覆，都颠麻了

♥ 3

对生物信息学有什么影响呢[微笑]

♥ 3

Virto,vivo的差別還是很大的。研究上可行的藥物，在藥劑學媒介和生理背景下的正確傳播到受體的結合率，還有維持不降解的機制，都是複雜的

♥ 3

有什么可以预测核酸与蛋白结合的程序吗

♥ 3 ↩ 1

有些蛋白质有柔性契合机制。

♥ 2

辅助手段很多，万能的暂时没有，短时间内不可能有，算力不足！药也只是生物研究的一个分支不是全部，只是容易变现罢了，好好努力吧！

♥ 2

因为Ai时代到来和一系列工业技术编程的成熟和商品市场的便利 生物科技一举成为最尖端研究和最符合高端人士的需要[doge][doge][doge]太神奇了这个世界

♥ 2