两篇新研究论文探讨了共折叠模型在分子学习中的应用，特别是在药物设计方面。第一篇论文介绍了AIMS-Fold，一个整合了结构蛋白质组学数据和扩散模型以改进蛋白质复合物结构预测的框架，在诱导邻近靶点的预测方面优于现有计算模型。第二篇论文系统地评估了共折叠模型Boltz2，证明其学习到的配体表征对于小分子学习任务（包括ADMET预测和分子生成建模）是有效的，并且可以补充现有的独立分子监督方法。 AI
影响 这些共折叠模型通过改进结构预测和表征学习，展现出在推进药物设计和分子发现方面的潜力。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了关于用于分子学习的共折叠模型的新研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.26192v1 Announce Type: cross Abstract: Protein structure generative models excel at predicting single protein static structures from sequence, but routinely fail to capture the correct conformational state of protein complexes, critical for protein design and induced p…
arXiv:2602.13249v2 Announce Type: replace-cross Abstract: Small-molecule foundation models are typically pretrained on standalone molecular data, unlike vision and language models that often benefit from cross-modal or relational supervision. Protein-ligand co-folding provides a …