生物信息学和计算生物学中的扩散模型

摘译  李升伟¹  张俊鹏²

（1.特趣生物科技有限公司，广东深圳；2.大理大学工学院，云南大理）

去噪扩散模型包含一种生成人工智能,可应用于计算机视觉、自然语言处理和生物信息学。本文介绍了三个扩散模型框架的主要概念和理论基础(去噪扩散概率模型、噪声条件计分网络和评分随机微分方程)。然后我们探索它们在生物信息学和计算生物学中的应用,包括蛋白质设计和生成、药物和小分子设计、蛋白质-配体相互作用建模、冷冻电子显微镜图像数据分析和单细胞数据分析。最后,我们重点介绍了开源扩散模型工具,并探讨了扩散模型在生物信息学中的未来应用。

要点：

1.扩散模型是一种生成性人工智能技术,可用于自然语言处理、图像合成和生物信息学。

2.扩散模型对计算蛋白的设计和生成、药物和小分子的设计、蛋白质-配体相互作用建模、冷冻电子显微镜数据增强和单细胞数据分析作出了很大贡献。

3.许多扩散模型也可作为开放源码工具。

4.虽然扩散模型可能优于其他生成方法,如生成对抗网络和变分自动编码器,但它们的计算资源需求仍然很高。

原文链接：Diffusion models in bioinformatics and computational biology | Nature Reviews Bioengineering  https://www.nature.com/articles/s44222-023-00114-9