English(EN) Chemical and geometric representation fidelity improves drug--target affinity prediction

新框架ReGeoDTA通过保留分子数据增强药物-靶点亲和力预测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员开发了ReGeoDTA，一个旨在通过在分子表示中保留关键的化学和几何信息来提高药物-靶点亲和力（DTA）预测的新型框架。这种方法旨在防止在模型开发早期阶段数据被压缩或均质化时可能发生的与亲和力相关的区分的丢失。跨多个数据集的实验表明，ReGeoDTA持续提高了预测准确性，优于那些不优先考虑表示保真度的模型。研究结果表明，保持分子表示的完整性是开发更准确和更具泛化能力的DTA预测工具的关键因素，可能影响计算化合物在药物发现中的优先级排序。 AI

影响通过提高分子相互作用预测的准确性和泛化能力，增强了计算药物发现。

排序理由该条目是一篇学术论文，详细介绍了一种用于药物-靶点亲和力预测的新计算框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇学术论文，详细介绍了一种用于药物-靶点亲和力预测的新计算框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yixiao Li, Yining Qian, Yefan Chen, Zenghui Chen, Jiayue Sun, Yuhai Zhao, Cheng Tan, An-Yang Lu · 2026-09-15 04:00

化学和几何表示保真度提高了药物-靶点亲和力预测

arXiv:2609.13230v1 Announce Type: cross Abstract: Predicting drug--target binding affinity (DTA) requires models to distinguish subtle chemical and structural determinants underlying molecular recognition. Although recent approaches increasingly incorporate richer drug and protei…

本文如何被排名

报道来源 [1]

化学和几何表示保真度提高了药物-靶点亲和力预测

相关实体

相关话题