细胞数据训练的 AI 筛选脂质，小鼠肝脏表达量达基准 4 倍
bravo_abad · x · 2026-10-13
Zhang 等人用 XGBoost 决策树分类器，基于 520 种脂质处理培养人细胞后的蛋白表达数据训练模型，再从 10,920 个虚拟设计库中优先筛选候选脂质（LNP 递送成分）。
候选分子随后在小鼠中独立验证：相同剂量下，最优配方在肝脏的报告蛋白表达量约为基准脂质 SM102 的 4 倍，而两者肝脏累积量相近——说明改进来自细胞内递送效率而非靶向能力。
值得注意的是，模型预测的是培养细胞中的活性，却成功迁移到了活体动物层面，展示了「细胞数据 + ML 筛选」指导实验设计的价值。
「研究」频道最新
- 图神经网络让欺诈检测提升 27%-33%，EXL 公开工程细节 — AI Engineer · 2026-10-13
- RTNav 开源：面向实时零样本目标导航的模块化异步智能体 — rsasaki0109 · 2026-10-13
- AI 无网格 CFD 求解器实跑：奶牛模型冲到 2 马赫 — burhop · 2026-10-13
- 隐式课程假说论文获 COLM 杰出论文奖,背后靠 NSF 公共算力支持 — IanArawjo · 2026-10-13
- 计算生物学变天:『造更好的预测器』到 2027 年将不算科研项目 — jmschreiber91 · 2026-10-13
- 权重只是四分之一：详解 LLM 推理为何照样爆显存 — blaizedsouza · 2026-10-13