几何深度学习革新多靶点药物设计

一篇新的综述文章探讨了几何深度学习（GDL）在多药理学和多靶点药物设计中的应用。文章强调了包括不变图神经网络和SE(3)-等变扩散模型在内的GDL架构如何克服传统药物设计方法在复杂疾病方面的局限性。文章详细介绍了GDL在表征结合口袋、预测多靶点生物活性以及生成新型双靶点配体方面的作用，并强调了扩散模型与强化学习的结合以解决几何冲突。综述还讨论了多模态组学数据整合和专门的几何基准测试在推进该领域发展中的重要性。 AI

影响 这项研究通过提高药物发现的效率和准确性，有可能加速针对复杂疾病的新疗法的开发。

排序理由 该条目是一篇发表在arXiv上的综述文章，讨论了几何深度学习在药物设计中的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• Cancer
• CatalyzeX
• DagsHub
• drug design
• Geometric Deep Learning: Going beyond Euclidean data
• Gotit.pub
• Hugging Face
• Invariant graph neural networks
• Multimodal Omics Data Integration Using Max Relevance-Max Significance Criterion.
• Neurodegenerative Disorders
• polypharmacology
• reinforcement learning
• SBDD
• ScienceCast
• SE(3)-equivariant diffusion models

• 论文
• 其他

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