3D 分子生成框架
少量数据实现高通用性,KAIST开发药物设计3D分子生成新框架
编辑 | 萝卜皮深度生成模型具有加速药物设计的巨大潜力。然而,由于数据有限,现有的生成模型常常面临泛化方面的挑战,导致设计创新性较差。为了解决这些问题,韩国 KAIST 的研究人员提出了一种相互作用感知的 3D 分子生成框架,该框架能够在靶标结合口袋内进行相互作用引导的药物设计。通过利用蛋白质-配体相互作用的通用模式作为先验知识,该模型可以利用有限的实验数据实现高度的通用性。通过分析生成的未见靶标配体的结合姿势稳定性、亲和力、多样性和新颖性等,对其性能进行了全面评估。此外,潜在突变选择性抑制剂的有效设计证明了该方法
4/2/2024 4:32:00 PM
ScienceAI
- 1
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
AI绘画
谷歌
机器人
数据
大模型
Midjourney
开源
智能
用户
Meta
微软
GPT
学习
技术
图像
Gemini
马斯克
AI创作
智能体
英伟达
论文
Anthropic
代码
训练
算法
AI新词
Stable Diffusion
芯片
LLM
蛋白质
腾讯
开发者
苹果
Claude
生成式
Agent
AI for Science
神经网络
3D
机器学习
研究
生成
xAI
人形机器人
AI视频
计算
Sora
百度
GPU
AI设计
华为
工具
大语言模型
搜索
RAG
具身智能
字节跳动
大型语言模型
场景
深度学习
预测
伟达
视觉
视频生成
Transformer
AGI
架构
亚马逊
神器推荐
Copilot
DeepMind
特斯拉
应用