跨学科

Explainpaper

Explainpaper是一款基于人工智能的文献阅读工具,通过自然语言处理技术帮助用户解析学术论文。它允许用户高亮并获取对难解内容的简化解释,提供深度解析和在线问答服务。此外,该工具还能推荐相关参考文献,并根据不同用户的学术背景提供适配的解释深度。其应用场景包括学术研究、教育支持、跨学科学习、行业分析和技术预研等领域。 ---

menten.AI

Menten 平台能够设计出具有理想体外和体内特性的 nM 范围内的强效药物样肽大环化合物,并为难以药物靶标提供一种新的化学模式。

OpenBioML

OpenBioML 旨在成为机器学习和生物学交叉领域的开放协作研究实验室。从讨论最新发展到合作开展尖端项目和复制闭源研究。我们寻求最大限度地发挥人工智能在生命科学中的积极影响。

Connected Papers

Connected Papers 是一个学术研究工具,通过构建可视化图表帮助用户探索和发现相关学术文献。用户可以输入论文标题、DOI 或关键词,工具会生成一个展示相似论文的网络图,其中论文按相似度排列,颜色深浅表示发表时间的远近,圆圈大小代表被引用次数。该工具主要功能包括视觉概览、重要论文追踪、参考书目构建、先前和衍生作品发现以及跨学科支持。应用场景涵盖学术研究、文献综述、课程学习和项目研究等。

Cradle.bio

Cradle 使用强大的预测算法和 AI 设计建议帮助生物学家在创纪录的时间内设计出改进的蛋白质。

ProteinQure

尽管它们具有固有的优势,但设计基于蛋白质的疗法非常困难。由于蛋白质的尺寸较大和缺乏可用的结构数据,计算工具以前一直受阻。我们利用基于物理的方法和新颖的机器学习算法来克...

Antiverse

我们使用机器学习来设计针对困难目标(例如 GPCR 和离子通道)的新型抗体。

Profluent.bio

领导蛋白质设计,用AI 解码蛋白质的语言。设计新颖、最佳的蛋白质,绕过行业中现有的障碍。