李斐然的研究圍繞生命數碼化展開,並取得了多項重要進展。針對數碼生命模型構建中酶參數實驗測量緩慢的瓶頸,她開發了首個深度學習預測酶參數的方法——DLKcat,加速推進理解蛋白序列-結構-功能關系,也為酶設計及酶改造任務提供了通用的下遊功能表征方法。
入選理由:專註於生命數碼化研究,透過整合 AI 和系統生物學等研究方法開發前沿性的數碼生命框架,並套用於合成生物學和生物醫學領域。
編輯: 張純歆
責編: 方哲敏
李斐然的研究圍繞生命數碼化展開,並取得了多項重要進展。針對數碼生命模型構建中酶參數實驗測量緩慢的瓶頸,她開發了首個深度學習預測酶參數的方法——DLKcat,加速推進理解蛋白序列-結構-功能關系,也為酶設計及酶改造任務提供了通用的下遊功能表征方法。
入選理由:專註於生命數碼化研究,透過整合 AI 和系統生物學等研究方法開發前沿性的數碼生命框架,並套用於合成生物學和生物醫學領域。
編輯: 張純歆
責編: 方哲敏
Copyright © 2024 www.519640.com NO.1 華文問答
商務合作:xingwa#jasve.com(傳送郵件請將#換成@)