研究人员开发了一种用于生成具有特定特性的分子的潜扩散模型。该框架使用 ChemBERTa 编码器表示 SMILES 字符串,并使用 Transformer 解码器重建 SELFIES 字符串。可微分的属性预测器指导扩散采样过程以达到期望的终点,例如血脑屏障通透性或人 $\beta$-分泌酶 1 的抑制作用。使用 RDKit 验证生成的分子,证明了该模型能够生成化学上有效、新颖且可控的分子。 AI
影响 这项研究展示了一种生成具有特定特性的分子的新方法,有望加速药物发现和材料科学的发展。
排序理由 这是一篇研究论文,详细介绍了使用扩散模型进行小分子生成的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX
- ChemBERTa
- DagsHub
- Gotit.pub
- Hugging Face
- human $\beta$-secretase 1
- IArxiv
- Influence Flower
- RDKit
- ScienceCast
- SEFLIES
- SMILES
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →