2024 诺贝尔生理学或医学奖

2024年诺贝尔生理学或医学奖共同授予 Victor Ambros 和 Gary Ruvkun，以表彰他们 “发现了microRNA及其在转录后基因调控中的作用”。

MicroRNA（miRNA）是一类由内源基因编码的，长度约为 18 至 25 个核苷酸的非编码 RNA分子，在调节细胞分裂、增殖和细胞凋亡中起着至关重要的作用。

据推测，miRNA调节着人类三分之一的基因。有研究表明大约70%的哺乳动物miRNA位于TUs区(transcriptionunits，TUs)，且其中大部分是位于内含子区。一些内含子miRNA的位置在不同的物种中是高度保守的。miRNA不仅在基因位置上保守，序列上也呈现出高度的同源性。miRNA高度的保守性与其功能的重要性有着密切的关系。

miRNA 与多种疾病有关，包括癌症、神经系统疾病、自身免疫性疾病、代谢综合征和心血管疾病。自1993年首次发现以来，已鉴定出 2500 多种人类成熟 miRNA，了解其作用机制和功能仍然是目前研究的重点。

TargetMol将迄今为止鉴定出的miRNA调节小分子分为四大类：

1）通过高通量筛选方法鉴定的小分子;

2）利用特定miRNA的茎环结构知识，通过结构方法鉴定的小分子; 

3）AGO2/RISC复合物的小分子抑制剂;

4）全面上调或下调miR的小分子。

并以此构建了miRNA靶向小分子化合物库 （PS: 如果你对该库感兴趣可以后台私信小陶获取该库的数据哦~）。

该库可以用于进一步研究miRNA的作用机制、发现新的靶向miRNA的小分子化合物，并为开发miRNA相关疾病的治疗方法提供新的线索。我们相信，通过继续深入研究miRNA和开发针对miRNA的靶向化合物，将有助于推动治疗各种疾病的创新和进步。

2024 诺贝尔化学奖

2024 年诺贝尔化学奖一半授予 David Baker，以表彰他“在计算蛋白质设计方面的贡献”，另一半由 Demis Hassabis和John M. Jumper 共同获得，表彰他们“在蛋白质结构预测方面的贡献”。这是首次历史上由人工智能实现的科学突破获得了诺贝尔奖。下文将介绍基于 AI 的蛋白质预测工具——AlphaFold 的发展历程。

AlphaFold问世短短几年 ，已经带来了革命性的变化。

- 2018年，DeepMind团队在国际蛋白质结构预测比赛CASP13中首次提出了AlphaFold，展示了其在基于氨基酸序列预测蛋白质结构上的出色表现。

- 2020年初，团队在《Nature》上发表了一篇文章，详细介绍了AlphaFold的算法及其在蛋白质结构预测中的应用。

- 同年，AlphaFold被《Science》评选为2020年度十大科学突破之一。

- 在2020年5-7月的CASP14比赛中，他们推出了AlphaFold2，凭借其在蛋白质结构预测上的空前准确度，超越了实验方法，并远超其他预测方法，成为焦点。AlphaFold2不仅能在短时间内预测典型蛋白质的结构，还能够预测更大、更复杂的蛋白质结构。

- 2021年7月，团队发表了两篇《Nature》文章，分别描述了AlphaFold2的工作机制及其对人类蛋白质组的结构预测，涵盖了人类蛋白质组近60%氨基酸的结构位置预测，并免费向公众开放预测数据。

- 2024年，DeepMind团队和Isomorphic Labs团队合作，推出了AlphaFold3，进一步提升了模型的预测能力，能够准确预测蛋白质与其他生物分子之间的相互作用结构。这一升级版拓展了AlphaFold在生物过程理解和药物研发中的应用潜力。

AlphaFold的持续发展不仅改变了科学家对蛋白质结构的研究方式，还对生物医学和药物开发领域产生了深远影响。

陶术⽣物和合作伙伴共同开发了蛋⽩质结构⽣成和序列设计 AI 模型。通过设计可以得到全新的结合特定靶标的蛋⽩和多肽，对蛋⽩质的物理化学性质进⾏优化(如热稳定性、可溶性等)，调控蛋⽩的⽣理活性和蛋⽩-蛋⽩之间的相互作⽤强度。更进⼀步，这些技术可⽤于设计新的蛋⽩或多肽抑制剂和激动剂，为药物开发提供新的策略和⼯具。更多细节欢迎联系陶术生物贾老师，微信号：tsCADD

此外，陶术还打造了筛选模型丰富、实验科学、操作严谨、结果可信的AI+临床前药物发现平台 ，力求为全球药物研发用户提供优质高效的科研技术服务。

主要涉及新药发现初期的各类体外实验，涵盖各种靶标和疾病领域的新药研发服务，包括从基于靶点表型的药物活性筛选， 抗肿瘤药物体外筛选，计算机辅助/人工智能药物设计等300多种服务项目。欢迎私信小陶了解详情~

2024 诺贝尔物理学奖

2024 年诺贝尔物理学奖共同授予 John J. Hopfield 和 Geoffrey E. Hinton，以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。他们利用物理学的基本概念和方法，开发出了利用网络结构处理信息的技术。

参考资料：

https://www.nobelprize.org/prizes/medicine/2024/press-release/

https://www.nobelprize.org/prizes/physics/2024/press-release/

https://www.nobelprize.org/prizes/chemistry/2024/popular-information/

John J. Hopfield 开发了一种 能够存储和重建信息的网络模型——Hopfield神经网络。Hopfield神经网络是一种递归神经网络模型，也是首个能够存储多种模式并具备记忆功能的神经网络模型，标志着神经网络发展早期的重要里程碑。

Hopfield神经网络主要用于解决联想记忆和优化问题，广泛应用于模式识别、存储和重构。其设计灵感来源于生物神经网络，具有全连接和递归特性，能够模拟大脑的记忆存储和提取过程。Hopfield网络的提出为递归神经网络的发展奠定了基础，而其能量最小化原理在解决复杂优化问题方面产生了深远影响。

Geoffrey Hinton 在 Hopfield 网络的基础上开发了一种采用不同方法的新型网络模型——玻尔兹曼机。玻尔兹曼机可被视作随机过程的，可生成的相应的Hopfield神经网络，属于无监督学习的机器学习算法。它基于统计物理学中的玻尔兹曼分布，专用于解决复杂的组合优化问题和特征学习任务。其核心是一个能量函数，用于表示网络状态的能量水平。通过调整节点之间的连接权重，玻尔兹曼机逐步降低能量函数的值，以此学习数据中的模式或特征。能量越低的状态越“稳定”，因此更有可能代表正确的模式。

玻尔兹曼机广泛应用于特征学习、分类和数据生成任务。在某些应用中，它能够自动发现数据的隐藏结构，如识别图像中的特征或生成与训练数据相似的新图像。作为无监督学习和特征表示学习的重要工具，玻尔兹曼机在早期的深度学习研究中具有重要影响。

2024 诺贝尔文学奖

2024年诺贝尔文学奖授予韩国作家韩江（Han Kang），以表彰她“用强烈的诗意散文直面历史创伤，揭示人类生命的脆弱”。其代表作有《素食者》、《植物妻子》、《失语者》、《少年来了》以及《白》等。

诺奖官网对其评价：在她的作品中，韩江直面历史创伤和隐形的规则体系，并在每一部作品中揭示人类生命的脆弱。她对身体与灵魂、生者与逝者之间的联系有着独特的感知力，并通过诗意且富有实验性的风格，成为当代散文的创新者。

2024 诺贝尔和平奖 & 2024 诺贝尔经济学奖

2024年诺贝尔和平奖授予Nihon Hidankyo。2024年诺贝尔经济学奖授予Daron Acemoglu、Simon Johnson 和 James A. Robinson。