DBMol框架利用结构预测进行靶向小分子设计

研究人员推出了一种新颖的框架DBMol，用于设计对特定蛋白质靶点具有高亲和力的小分子。该方法利用AlphaFold-3和Boltz-2等先进的结构预测模型来优化分子相互作用和结合亲和力。DBMol采用交替优化和投影过程，使用基于梯度的优化来增强口袋特异性相互作用，并使用流匹配模型生成化学上有效的小分子。实验表明，DBMol在没有参考配体监督的情况下，也能提高口袋覆盖率和分子多样性，同时在预留指标上保持有竞争力的性能。 AI

影响 该框架可以通过更精确、更有效地设计治疗分子来加速药物发现。

排序理由 这是一篇描述用于分子设计的新计算框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• AlphaFold-3
• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• DBMol
• Gotit.pub
• Hugging Face
• ScienceCast

• 论文
• 模型发布

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