药物设计
UC伯克利等利用AI结合物理约束推动药物设计,将原子碰撞率减少到0
编辑丨&随着人工智能的快速发展,基于结构的药物设计已经不复往日那般困难重重。 AI 系统在快速筛选潜在药物分子上展现出巨大的潜力,但现有模型常面临一个问题:即便是最先进的算法,有时也会给出与物理规律不符的设计方案。 比如在 AlphaFold 中,AI 虽然能精准预测蛋白质结构,但也偶尔提出不合理的折叠结构。
快速、精准且可解释的通用药物发现工作流LeadDisFlow:中国团队推动候选药物进入临床Ⅱ期
作者 | 论文团队编辑 | ScienceAI传统的靶向药物设计方法长期受限于三大关键瓶颈:初始化合物库的质量不高、湿实验筛选成本高昂以及活性预测模型可解释性差,这些瓶颈严重制约了新药发现的效率。 为突破这一行业难题,湖南大学、华东师范大学联合上海交通大学、华中科技大学等高校科研团队利用先进的分子图像技术,构建了一个快速、精准且可解释的靶向药物通用发现工作流程,旨在加速新药的研发进程。 研究成果以《Discovery of EP4 antagonists with image-guided explainable deep learning workflow》为题发表在《National Science Open》上。
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