暂无搜索历史
分子结构优化的精度直接决定了计算化学与分子设计任务的可靠性。研究人员提出了一种基于物理约束黎曼流形的去噪模型(R-DM),用于实现具有化学精度的分子结构优化。不...
加速材料与化学发现对于应对全球性挑战至关重要,但当前实验流程的开发高度依赖真实实验环境,严重限制了规模化与迭代效率。研究人员提出 MATTERIX,一个多尺度、...
蛋白–配体对接是结构生物学与药物发现中的核心问题。尽管近年来出现了大量基于深度学习的对接与共折叠方法,但这些方法在真实应用场景中的泛化能力仍缺乏系统评估。研究人...
研究人员提出了一种基于伪数据(pseudodata)的分子结构生成模型,用于探索真实世界中尚未被实验或数据库记录的未知化学物质。该方法通过从实验质谱谱图中自动构...
抗体在现代医学中扮演核心角色,但目前尚无方法能够在完全计算机模拟的条件下设计出新的、针对特定表位的抗体。现有抗体发现依赖免疫实验、随机文库筛选或直接从患者体内分...
基因序列到功能的预测是人类遗传学的重要挑战,尤其是在从生物序列推断细胞类型特异性的多组学表型方面。研究人员开发了 UNICORN,一个基于多任务学习的计算框架,...
多重耐药菌的快速蔓延凸显了新型抗生素的迫切需求。研究人员将小分子高通量筛选(HTS)与深度学习虚拟筛选策略相结合,开发出一种名为 GNEprop 的图神经网络模...
生成式机器学习在化学空间探索中展现出巨大潜力,但许多生成分子在实际中难以合成,限制了其应用价值。本研究提出了 SynLlama,一种通过微调 Meta 的 Ll...
准确而快速地评估蛋白–配体结合亲和力是早期药物发现的关键。然而,物理学方法虽准确但昂贵,经验打分函数虽高效却不稳定;现有机器学习方法在泛化到新蛋白或新化学系列时...
计算机辅助药物设计依赖于准确的评分函数来预测蛋白–配体相互作用的结合亲和力。然而,PDBbind 数据库与评分函数比较评估基准(CASF)之间存在严重的训练–测...
传统药物研发成本高昂且效率低下,候选化合物常因疗效不足或非特异性结合而失败。基于结构的药物设计(SBDD)通过在分子设计中直接整合蛋白靶点结构信息,为提高研发成...
近期生成式人工智能(Generative AI)的兴起为计算化学带来了前所未有的机遇。生成式模型在分子结构采样、力场开发及模拟加速方面展现出显著进展。本文综述了...
酶是生命的分子机器,其功能核心在于底物特异性——即识别并选择性作用于特定底物的能力。这种特异性来源于酶活性位点的三维结构与复杂的过渡态构象。然而,数百万已知酶仍...
随着蛋白质数据库规模的快速增长,对更快、更敏感的同源性搜索工具的需求愈发迫切。研究人员开发了 GPU 加速版 MMseqs2 (MMseqs2-GPU),在单一...
在药物研发领域,药物代谢预测始终是药代动力学研究的核心难题。一方面,酶促反应的机制复杂性让实验解析成本居高不下;另一方面,现有计算工具要么局限于单一预测任务,要...
本文介绍一篇由浙江大学药学院侯廷军教授与谢昌谕教授团队联合发表在 Chemical Reviews 上的综述文章——《Graph Neural Networks...
发现全新候选药物分子是药物开发的核心步骤。深度生成模型能够从学习到的概率分布中采样新分子结构,但其在药物发现中的实际应用取决于能否生成针对特定靶点的化合物。研究...
设想一下,当 AI 系统预测“某种药物可能治疗某种疾病”时,它不仅给出结果,还能同时展示背后的逻辑路径——涉及的分子、关系和机制。这听起来像是科研人员梦寐以求的...
尽管mRNA新冠疫苗取得了巨大成功,但要将其应用拓展至更多疾病,仍需显著提升蛋白质表达水平与持续时间。研究人员提出了 GEMORNA,一种基于Transform...
翻译后修饰(PTMs)是蛋白质功能的重要调控因子,其受扰动是错义变异导致疾病的重要机制。深度学习能够帮助预测PTM位点并识别受变异影响的PTM,但受限于缺乏大规...
暂未填写公司和职称
暂未填写个人简介
暂未填写学校和专业
暂未填写个人网址