【ScienceAI Weekly】闷声发大财！英伟达医疗业务创收 10 亿美元；马斯克：首位人类脑芯片受试者或已康复

AI for Science 的新成果、新动态、新视角——

* 英伟达的医疗保健业务在 2024 财年创造了 10 亿美元以上的收入

* Bioptimus 获得 3500 万美元的种子轮融资

* Neuralink 首位人类受试者或已康复

* WIVI Vision 获 400 万欧元融资

* 伊犁川宁生物技术股份有限公司与上海金珵科技有限公司达成合作

* 科技部发布了我国首部《脑机接口研究伦理指引》

详见下文~

企业动态

英伟达的医疗保健业务在 2024 财年创造了 10 亿美元以上的收入

据悉，英伟达的医疗保健业务在 2024 财年创造了 10 亿美元以上的收入，比目标提前了 2-3 年。目前，英伟达已拥有十余个生成式 AI 模型，包括小分子建模工具、OpenFold 蛋白质预测模型，以及与 Recursion 开发的用于靶点和药物发现的 Phenom-Beta 模型等。2023 年间，英伟达共投资 9 家 AI 制药公司，分别是 C++harm Therapeutics, Recursion Pharmaceuticals, Genesis Therapeutics, Superluminal Medicines, Inceptive, Generate Biomedicines, Evozyne, Iambic Therapeutics 和 Erray Therapeutics 。

Bioptimus 获得 3500 万美元的种子轮融资

近日，法国初创公司 Bioptimus 获得 3500 万美元的种子轮融资，本轮融资由 Sofinnova Partners 和 Bpifrance Large Venture 领投，Cathay Innovation 和 Headline 其他公司也进行了追投。Bioptimus 团队的主要成员由谷歌 DeepMind 和法国人工智能公司 Owkin 的前高管组成，目标是构建生物学领域第一个通用人工智能基础模型，推动科学突破性发现并加速生物医学及其他领域的创新。

Neuralink 首位人类受试者或已康复

当地时间 2 月 20 日，特斯拉 CEO 埃隆·马斯克表示，首位植入了神经连接公司 (Neuralink) 脑芯片的人类受试者「似乎已完全康复，没有出现我们所知的不良反应，受试者只需要思考就可以在电脑屏幕上移动鼠标」。

该公司于 2016 年由马斯克成立，公司的使命是开发治疗各种脑部相关疾病的脑机接口，创建一个能够更紧密地连接生物和人工智能的全脑接口。去年 5 月，Neuralink 称其首次人体临床试验获得了美国食品和药物管理局 (FDA) 的批准；去年 9 月，Neuralink 宣布将在今年进行首次脑机接口人体试验。

WIVI Vision 获 400 万欧元融资

西班牙公司 Vision 获得了 400 万欧元的融资。本轮融资由 Adara Ventures 领投，Hearstlab, Avançsa, Caixabank DayOne 和 BBVA Spark 等也参与了本轮融资。公司打算利用此次融资资金促进其国内和国际发展，并加快团队扩张，支持新技术的开发。

WIVI Vision是一家视觉治疗服务商，于 2016 年成立，公司力图通过大数据和人工智能 (AI) 技术来评估某人是否患有视觉功能障碍，并基于 3D 的个性化的训练方案来改善患者视力，提供视觉治疗方案。

伊犁川宁生物技术股份有限公司与上海金珵科技有限公司达成合作

2 月 22 日，伊犁川宁生物技术股份有限公司与上海金珵科技有限公司宣布达成合作，双方将充分发挥各方在各自领域的优势，整合各类资源，就川宁生物抗生素中间体发酵产业的优化升级、利用 AI 辅助合成生物学研发及合作开发新产品等方面开展合作，将人工智能与川宁生物现有产业结合，尽快形成新质生产力，以全面提升川宁生物的生产方式和生产效率。

政策规范

科技部发布了我国首部《脑机接口研究伦理指引》

2024 年 2 月，科技部发布了我国首部《脑机接口研究伦理指引》，明确开展脑机接口研究，应确保研究具有社会价值，应主要致力于修复型脑机接口技术，强调通过技术的发展服务公众的健康需求。非医学目的的注意力调节、睡眠调节、记忆调节、外骨骼等增强型脑机接口技术应在严格规范、明确获益的前提下，一定程度上鼓励探索和发展。《指引》还明确了脑机接口的使用目的和被试者隐私保护等问题。

完整规范详见：

https://www.most.gov.cn/kjbgz/202402/t20240202_189582.html

工具资源

BLAST (Basic Local Alignment Search Tool)：生物大分子序列比对搜索工具

BLAST 能够查找生物序列之间的局部相似性区域，将核苷酸或蛋白质序列与序列数据库进行比较，并计算统计意义，可用于推断序列之间的功能和进化关系，并帮助识别基因家族成员。

开源地址：

https://blast.ncbi.nlm.nih.gov/Blast.cgi

TheAlgorithms/C-Plus-Plus：算法合集

TheAlgorithms/C-Plus-Plus 是以 C++ 实现数学、机器学习、计算机科学和物理领域的各种算法的集合。

资源地址：

https://github.com/TheAlgorithms/C-Plus-Plus

NIMS-OS：自动材料探测

NIMS-OS (NIMS Orchestration System) 是一个 Python 库，无需人工干预，即可进行自动材料探测。NIMS 自动机器人电化学实验 (NAREE) 系统可用作机器人实验，还能够提供结果可视化工具，允许用户实时检查优化结果。

资源地址：

https://github.com/nimsos-dev/nimsos

ChemCrow：简化常见化学任务推理

ChemCrow 是一个开源软件包，整合了 13 种专家设计的化学工具，旨在简化药物、材料设计和合成等领域中各种常见化学任务的推理过程。模型在合成生成的流程图的独立测试数据集上实现了 80% 的 top-1 准确度和 84% 的 top-5 准确度，可以学习自动更正合成流程图。

资源地址：

https://github.com/ur-whitelab/chemcrow-public

BioMistral：生物医学领域开源 LLM

BioMistral 7B 是面向生物医学领域的专业 LLM，源自 Mistral 7B Instruct v0.1，并在 PubMed Central 上进一步进行了预训练。

资源地址：

https://huggingface.co/BioMistral/BioMistral-7B

科研成果

基于深度强化学习，提前 300 毫秒预测潜在等离子体撕裂

Avoiding fusion plasma tearing instability with deep reinforcement learning

* 来源：Nature

* 领域：能源环境

* 作者：普林斯顿大学

等离子体不稳定性问题是核聚变研究中的重要挑战。研究人员以多模态动态模型作为强化学习 AI 的训练环境，构建了一个深度神经网络，能够根据实时的等离子体特征，预测未来撕裂模式不稳定性的发生概率，并且在圣地亚哥的 DIII-D 国家聚变设施进行了实验，结果表明，其所开发的 AI 控制器可以预测破裂前 300 毫秒的等离子体不稳定性。

阅读原文：

https://www.nature.com/articles/s41586-024-07024-9

用多尺度深度生成模型预测状态特异性蛋白质-配体复合物结构

State-specific protein–ligand complex structure prediction with a multiscale deep generative model

* 来源：Nature

* 领域：生物医药

* 作者：加州理工学院

研究人员提出的 NeuralPLexer，采用深度生成模型，以原子分辨率对结合复合物的三维结构及其构象变化进行采样。研究表明，NeuralPLexer 预测结果与酶工程和药物发现中重要靶点的结构测定实验一致。此外，在具有较大构象变化的代表性结构对，以及新近确定的配体结合蛋白方面，NeuralPLexer 的全局蛋白结构预测准确性始终优于 AlphaFold2。

阅读原文：

https://www.nature.com/articles/s42256-024-00792-z 

基于图神经网络实现新药相互作用预测 

Emerging drug interaction prediction enabled by a flow-based graph neural network with biomedical network

* 来源：Nature Computational Science

* 领域：生物医药

* 作者：清华大学

研究人员提出了一种图神经网络 EmerGNN，通过提取药物配对之间的路径，将信息从一种药物传播到另一种药物，并在路径上加入相关的生物医学概念，从而学习药物配对特征。实验表明，EmerGNN 在预测新兴药物的相互作用方面比现有方法具有更高的准确性。

阅读原文：

https://www.nature.com/articles/s43588-023-00558-4

Cas-DiffCom：用于完成婴儿纵向超分辨率 3D 医学图像的级联扩散模型

Cas-DiffCom: Cascaded diffusion model for infant longitudinal super-resolution 3D medical image completion

* 来源：arXiv

* 领域：医疗健康

* 作者：上海科技大学

研究人员提出了一种级联扩散模型 Cas-DiffCom，用于密集和纵向的 3D 婴儿脑部磁共振成像补全和超分辨，并将提出的方法应用于婴儿连接组项目 (BCP) 数据集。研究结果表明，Cas-DiffCom 在纵向婴儿脑图像完成方面实现了个体一致性和高保真度。

阅读原文：

https://arxiv.org/abs/2402.13776

生成式 AI 用于碳捕集

A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture

* 来源：Communications Chemistry

* 领域：材料化学

* 作者：美国阿贡国家实验室

Metal-organic frameworks (MOFs) 在二氧化碳捕集方面具有巨大潜力。研究人员提出的生成式 AI 高性能框架 GHP-MOFassemble，通过组装随机生成的 MOFs 结构，结合分子动力学模拟和 Monte Carlo 模拟，可以在 30 分钟内逐个构件快速组装出超过 12 万个新的候选 MOFs。

阅读原文：

https://www.nature.com/articles/s42004-023-01090-2

活动预告

SIMONS 研讨会将于 5 月 6 日举行

由纽约大学主办的 SIMONS 研讨会将于 5 月 6 日在纽约大学金梅尔中心举行，邀请到了来自牛津大学、柏林自由大学等高校的学者，共同探讨生物分子模拟的最新进展，以及发展挑战等话题。

本次研讨会的初拟议题包括：结合模拟、实验数据和机器学习了解蛋白质动力学，细菌膜的大规模 MD 模拟，通过物理建模和大规模模拟揭示染色质结构与动力学等。

报名链接：

https://wp.nyu.edu/sccpc/event/challenges-in-biomolecular-simulations-symposium/

AI4SCIENCE @ 加州理工学院

加州理工学院启动 AI4Science 计划，本次计划由 Anima Anandkumar 和 Yisong Yue 教授引领，汇聚了 AI 及其他学科的多位专家，致力于将前沿人工智能技术融入科学与工程各领域，打破学科壁垒，驱动科研创新与发展。

在学年内，该计划将每两周举办一次，固定在周三的中午，采取讲座和课程的方式，为来自不同科学领域的学者提供机器学习理论知识培训以及实践机会。

报名链接：

https://www.ai4science.caltech.edu/events.html

活动回顾

AI for Science 系列直播

由上海交通大学自然科学研究院、上海国家应用数学中心（上海交通大学分中心）主办的 AI for Science 系列直播第五期将于 2 月 29 日开幕，直播主题为多模态生成式大模型的研究进展，演讲人 Yangshuai Wang，将探讨人工智能在科学研究中的应用和潜力，通过分享最新的研究成果和技术进展，加强学术界对 AI 在科学领域的认识和应用，推动跨学科合作，促进科学进步。

活动链接：

https://mp.weixin.qq.com/s/0kkh52_qhLr2bn-75GulPw

LoG 2023 上海干货分享

上海交通大学与北京大学携手在上海成功举办了 LoG2023 研讨会。本次会议聚焦图形与几何机器学习的相关领域，联合国内外数学精英与计算机科学专家力量，围绕构建几何深度学习的数学理论展开深入研讨，培养可靠的拓扑结构和高效的深度神经网络计算单元。

直播回放：

https://log2023sh.github.io/

以上就是「Science AI Weekly」本要分享的所有内容了~

如果你有关于 AI for Science 的最新研究成果、企业一手信息等，欢迎留言「爆料」。

 往期推荐 

戳“阅读原文”，免费获取海量数据集资源！