PulseAugur
实时 22:14:08
English(EN) Sesame: Structure-Aware Molecular Generation via Spatial Density-Map Conditioning

Sesame模型推进了用于药物设计的结构感知分子生成

研究人员推出了一种新颖的基于扩散的分子生成模型Sesame,专为药物发现而设计。该模型独特地以空间密度图表示的分子结构和蛋白质-配体相互作用为条件。Sesame支持从头生成和片段条件先导优化,使化学家能够从起始骨架引导分子的生长。 AI

影响 通过实现更精确和有指导的分子生成,增强了AI在药物发现中的能力。

排序理由 该集群描述了一篇详细介绍用于分子生成的新型AI模型的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Sesame模型推进了用于药物设计的结构感知分子生成

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Konstantin Yatsenko, Arvind Thiagarajan ·

    Sesame: Structure-Aware Molecular Generation via Spatial Density-Map Conditioning

    arXiv:2606.23856v1 Announce Type: new Abstract: Generative molecular models for drug design are a promising direction with much active research. In the next phase of computational drug design, such models will need to understand small molecule structure and protein-ligand interac…