LSF
人工智能为新药铺平道路:几何深度学习方法可以预测合成药物分子的最佳方案
编辑 | 萝卜皮后期功能化是优化候选药物特性的一种经济方法。然而,药物分子的化学复杂性往往使得后期多样化具有挑战性。为了解决这个问题,德国慕尼黑大学(Ludwig-Maximilians-Universität München)、苏黎世联邦理工学院(ETH Zurich)和巴塞尔罗氏制药(Roche Innovation Center Basel)的研究人员开发了基于几何深度学习和高通量反应筛选的后期功能化平台。考虑到硼基化是后期功能化的关键步骤,计算模型预测了不同反应条件下的反应产率,平均绝对误差范围为 4-5%
12/19/2023 4:00:00 PM
ScienceAI
- 1
资讯热榜
标签云
人工智能
AI
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
AI创作
马斯克
论文
智能体
Anthropic
英伟达
代码
算法
训练
Stable Diffusion
芯片
蛋白质
开发者
腾讯
生成式
LLM
苹果
Claude
神经网络
AI新词
3D
研究
机器学习
生成
AI for Science
Agent
xAI
计算
人形机器人
Sora
AI视频
GPU
AI设计
百度
华为
搜索
大语言模型
工具
场景
字节跳动
具身智能
RAG
大型语言模型
预测
深度学习
伟达
视觉
Transformer
AGI
视频生成
神器推荐
亚马逊
Copilot
DeepMind
架构
模态
应用