PSICHIC
Nature子刊,准确率达96%,AI从序列中预测蛋白-配体互作
编辑 | 萝卜皮在药物研发中,确定小分子配体对蛋白质的结合亲和力和功能效应至关重要。目前的计算方法可以预测这些蛋白质-配体相互作用特性,但如果没有高分辨率的蛋白质结构,通常会失去准确性,并且无法预测功能效应。莫纳什大学(Monash University)和格里菲斯大学(Griffith University)的研究人员开发了 PSICHIC(PhySIcoCHemICal graph neural network),这是一个结合物理化学约束的框架,可直接从序列数据解码相互作用指纹(fingerprints)。这使
准确率达0.96,从序列中预测蛋白-配体互作的物理化学约束图神经网络
编辑 | 萝卜皮在药物研发中,确定小分子配体对蛋白质的结合亲和力和功能效应至关重要。目前的计算方法可以预测这些蛋白质-配体相互作用特性,但如果没有高分辨率的蛋白质结构,通常会失去准确性,并且无法预测功能效应。莫纳什大学(Monash University)和格里菲斯大学(Griffith University)的研究人员开发了 PSICHIC(PhySIcoCHemICal graph neural network),这是一个结合物理化学约束的框架,可直接从序列数据解码相互作用指纹(fingerprints)。这使
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI新词
AI绘画
大模型
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
英伟达
Gemini
智能体
技术
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
AI for Science
代码
腾讯
苹果
算法
Agent
Claude
芯片
具身智能
Stable Diffusion
xAI
蛋白质
人形机器人
开发者
生成式
神经网络
机器学习
AI视频
3D
字节跳动
大语言模型
RAG
Sora
百度
研究
GPU
生成
华为
工具
AGI
计算
生成式AI
AI设计
大型语言模型
搜索
亚马逊
AI模型
视频生成
特斯拉
DeepMind
场景
Copilot
深度学习
Transformer
架构
MCP
编程
视觉