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
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI绘画
大模型
机器人
数据
AI新词
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
智能体
技术
Gemini
马斯克
英伟达
Anthropic
图像
AI创作
训练
LLM
论文
代码
算法
AI for Science
苹果
Agent
腾讯
Claude
芯片
Stable Diffusion
蛋白质
具身智能
开发者
xAI
生成式
神经网络
机器学习
人形机器人
3D
AI视频
RAG
大语言模型
Sora
研究
百度
生成
GPU
工具
华为
字节跳动
AGI
计算
大型语言模型
AI设计
搜索
生成式AI
视频生成
DeepMind
亚马逊
AI模型
特斯拉
场景
深度学习
架构
Transformer
MCP
Copilot
编程
视觉