暂无搜索历史
论文题目: SynLaD: Latent Diffusion for Generating Synthesizable Molecules Conditione...
论文标题: Sesame: Structure-Aware Molecular Generation via Spatial Density-Map Condi...
论文标题: Folding, Reasoning, and Scaling with Open-source Drug Discovery Engine 项目:...
蛋白质设计的核心难题之一,是给定一个目标骨架结构,找到能够稳定折叠到该结构的氨基酸序列。传统 Rosetta 方法依赖能量函数与侧链构象搜索,计算成本高,也常需...
我最近一直在思考一个问题:不同类型生物分子的“信息含量”究竟有多大。小分子、多肽、抗体和寡核苷酸在不同场景下都可以成为有价值的治疗资产,但它们在合成、开发和模拟...
早期药物发现的核心任务是:在庞大的化学宇宙中高效定位具有生物活性、满足多重药理学标准的小分子候选药物。
计算机辅助药物设计(Computer-Aided Drug Design, CADD)是现代制药研发的核心工具之一。随着深度学习的兴起,生成式分子设计(Gene...
本文是一篇方法学透明度较高的AI从头药物设计实证研究。研究团队使用 AstraZeneca 开发、Evotec 定制化改造的生成式工具 REINVENT 3.2...
先导化合物优化(Lead Optimization)是药物研发流程中承上启下的关键环节,本质是一个高维、强耦合的多目标黑盒优化问题。论文提出 AutoLead,...
这是一篇非常值得关注的扩散模型理论论文。它不仅讨论“扩散模型为什么有效”,更进一步把扩散模型的训练过程、泛化能力和可控生成统一到一个低维结构学习的框架中。
分子生成模型大致分三条路线:字符串表示(如 SMILES)、图表示、三维坐标表示。前两者发展更成熟,但分子的大多数物理化学性质——催化活性、蛋白-配体结合能、光...
很多 AI 分子生成研究往往停留在计算层面: 模型生成了一批分子,对接打分看起来不错,ADMET 预测也似乎可以,但这些分子是否能合成、是否有真实活性、是否安全...
抗微生物药物耐药性(Antimicrobial Resistance, AMR)已构成全球公共卫生重大威胁。据2022年《柳叶刀》发布的系统综述数据:
药物发现长期依赖基于结构/配体的传统计算方法——分子对接、定量结构-活性关系(QSAR)、药效团建模、虚拟筛选。这些方法的共同特点是:在预定义的化学库内做迭代式...
这是一篇立场鲜明的观点文章。作者主张:蛋白质语言模型(protein language models, pLMs)将序列压缩成的高维嵌入(embeddings)...
本文的核心问题是:扩散模型(diffusion model)在生成蛋白质结构 / 蛋白质对接构型时,是否隐式学到了一个类似物理自由能的函数? 作者从统计热力学出...
主流叙事把 AI 描述为科学专业能力的"替代者"。本文反对这一框架,提出一个更精确的判断:AI 是一台价值随使用者专业度线性放大的加速器,而非替代品。因为 AI...
传统药物研发面临成本高企(平均 28 亿美元)、周期漫长(逾 12 年)的结构性困境,且这些数字仍在持续攀升。本综述系统梳理了以深度学习生成模型为核心的"生成化...
结合亲和力预测是分子探针开发与先导化合物优化的核心瓶颈:物理方法(以 Schrödinger FEP+ 为代表)精度可靠但算力昂贵、设置复杂;深度学习高通量却常...
新药研发是人类面临的最复杂工程挑战之一。一款新药从靶点发现到市场上市,平均需要 12–15 年,耗资超过 25 亿美元,而候选化合物从一期临床到获批上市的成功率...
暂未填写公司和职称
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市