PulseAugur
中
实时 08:07:03
English(EN) FRAGMENTA: Efficient End-to-end Fragmentation-based Generative Model with Agentic Tuning for Drug Lead Optimization in Small Data Regime

新型FRAGMENTA模型以有限数据加速药物发现

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了FRAGMENTA，这是一种专为药物先导化合物优化设计的端到端生成模型，在训练数据有限的情况下尤其有效。该模型包含LVSEF，一个同时优化片段化和生成的基于片段的生成器，以及一个将专家反馈转化为更新的生成目标的代理系统。在小数据集上的测试中，LVSEF在极度有限的数据设置下表现优于最先进的方法，并在更大规模下与之相当，同时训练速度也显著加快。使用FRAGMENTA进行迭代优化显示出发现产率的提高，并且在实际部署中识别出近两倍具有有利对接分数的分子。 AI

影响 通过改进分子生成和优化，加速药物发现流程，尤其是在数据稀缺的环境中。

排序理由 该集群包含一篇详细介绍用于药物发现的新型AI模型的学术论文。[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 →

新型FRAGMENTA模型以有限数据加速药物发现

本文如何被排名

Signal score
18 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇详细介绍用于药物发现的新型AI模型的学术论文。[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, model release, product
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]

  1. arXiv cs.AI TIER_1 English(EN) · Yuto Suzuki, Paul Awolade, Daniel V. LaBarbera, Farnoush Banaei-Kashani ·

    FRAGMENTA：一种高效的端到端基于片段生成的生成模型，通过智能体调优用于小数据条件下的药物先导优化

    arXiv:2511.20510v3 Announce Type: replace Abstract: Molecule generation from extremely limited training data is a key challenge in drug discovery. Existing fragment-based methods are more suitable than atom-based approaches in this regime, but typically optimize fragment selectio…

相关实体

相关话题