引言 机器学习（ML）在药物发现中的普及度持续增长，并取得了令人印象深刻的成果。随着其使用量的增加，它们的局限性也越来越明显。这些局限性包括对大…… Continue reading →

引言 从头设计治疗分子，仍然是一个成本和时间密集的过程，新药物通常需要超过10年的时间和20-30亿美元，才能进入市场，成功率可能低至<1…… Continue reading →

引言 分子动力学模拟依靠经验的势函数模型来描述分子的相互作用。利用由机器学习方法衍生的数据驱动模型，可以提高这些势函数的准确性和可转移性。本文提…… Continue reading →

引言 数据集是深度学习模型开发的基础，深度学习模型的成功在很大程度上取决于数据集的质量和大小。在这项工作中，作者提出了一个新的数据集准备步骤，并…… Continue reading →

引言 在计算机辅助药物设计中，可用于建模发现新药的数据集规模一般很小。稀疏的数据样本是人工智能药物设计的难点之一。为了解决这个难题，科学家提出了…… Continue reading →

引言 由美国多所著名大学(哈佛大学，乔治亚理工大学，麻省理工学院，卡耐基梅隆大学，斯坦福大学，伊利诺伊大学厄巴纳 – 香槟分校)的研…… Continue reading →

引言 溶剂化自由能是影响各种化学和生物学过程的基本属性，例如反应速率、蛋白质折叠、药物结合和药物的生物利用度等等。本工作中，作者提出了一种基于图…… Continue reading →

引言 深度学习的质量和效率，在很大程度上，取决于被学习对象的表示。特别是，增强的药物学习，依赖于适当的分子表征(MolRs)。通过直接从分子的底…… Continue reading →

  引言 在困扰于新疾病的现实世界中，我们必须加快药物设计进程以开发针对这些新疾病的新疗法。近年来，基于深度学习的方法在基于配体的药物设计中逐渐…… Continue reading →

引言 在传统药物设计中，在确定了一个靶点后，研究人员常使用高通量筛选、虚拟筛选等技术寻找苗头化合物。以循环神经网络为代表的一系列分子生成模型，具…… Continue reading →