AI for Science
计算蛋白设计与蛋白结构预测
David Baker、Demis Hassabis 与 John Jumper 因计算蛋白设计和蛋白结构预测相关工作获得 2024 年诺贝尔化学奖。该方向说明 AI 已经从辅助分析工具进入生命科学基础设施层。
对 AIBIOOS 而言，这类进展提示 AI 能够参与从分子结构、机制推断到研发流程组织的多层次工作。
来源：Nobel Prize, Chemistry 2024公开学术参考
以公开研究脉络支撑 AI + 生命科学判断
本页整理来自奖项组织、监管机构、研究机构与公开论文线索的信息，用于说明 AIBIOOS 关注方向的科学背景；不表示相关专家或机构与 AIBIOOS 存在合作、顾问、授权、入驻或背书关系。
引用原则
引用公开事实，而不是制造背书关系
AIBIOOS 在公开表达中区分“公司团队成员”和“领域学术参照”。前者必须来自明确授权与真实合作，后者仅用于说明技术方向、研究趋势和监管语境。
因此本页面不使用未授权专家照片，不创建专家卡片，不使用机构 logo，也不把公开研究者描述为 AIBIOOS 顾问或入驻专家。
本页面整理的专家、奖项、论文与机构信息均来自公开来源，仅用于说明 AI 与生命科学领域的研究脉络和技术背景。除非另有明确说明，相关专家、机构、奖项组织或研究团队并未与 AIBIOOS 建立合作、顾问、授权、入驻或背书关系。
基因编辑
CRISPR/Cas9 与生命科学工具体系
Emmanuelle Charpentier 与 Jennifer Doudna 因 CRISPR/Cas9 基因编辑方法获得 2020 年诺贝尔化学奖。该成果体现了基础机制研究如何转化为广泛可用的生命科学工具。
它提示平台型生命科学公司应关注工具、数据、验证与合规边界之间的联动，而不只关注单一产品概念。
来源：Nobel Prize, Chemistry 2020转化医学
mRNA 平台与可落地健康技术
Katalin Kariko 与 Drew Weissman 因核苷碱基修饰相关发现获得 2023 年诺贝尔生理学或医学奖。mRNA 平台展示了基础研究、制造系统、监管路径和公共健康需求的连接方式。
该案例强调 AIBIOOS 关注的不是“概念包装”，而是研究、数据、工艺、验证和应用场景的系统协同。
来源：Nobel Prize, Physiology or Medicine 2023细胞工程
细胞重编程与再生医学想象力
John B. Gurdon 与 Shinya Yamanaka 因发现成熟细胞可被重编程为多能状态获得 2012 年诺贝尔生理学或医学奖。该方向构成再生医学和疾病建模的重要基础。
它为类器官、疾病模型、个体化研究和长期健康管理提供了可持续延展的基础语境。
来源：Nobel Prize, Physiology or Medicine 2012应激生物学
氧感知机制与慢病研究框架
William G. Kaelin Jr.、Peter J. Ratcliffe 与 Gregg L. Semenza 因细胞氧感知机制研究获得 2019 年诺贝尔生理学或医学奖。该机制与肿瘤、代谢、炎症和慢病研究存在广泛联系。
这类基础机制有助于平台在健康沟通中保持科学边界，避免把早期探索表达为确定性疗效。
来源：Nobel Prize, Physiology or Medicine 2019监管科学
新方法学与人体相关证据
FDA 持续推动新方法学（NAMs）在药物开发和安全评价中的应用，包括先进体外系统、计算建模和更接近人体生物学的证据生成方式。
这与 AIBIOOS 对 AI、类器官、数据建模和转化验证的关注高度相关。
来源：FDA, New Approach Methodologies