PulseAugur
中
实时 10:48:45
English(EN) An accurate nucleic acid-small molecule docking framework via geometric deep learning with large-scale pretraining

深度学习框架提高了核酸-小分子对接的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了NucleoDock，一个旨在提高小分子对接核酸结构准确性和效率的新深度学习框架。该方法通过结合在合成复合物上的大规模预训练和在真实数据上的微调，解决了实验数据有限的挑战。NucleoDock整合了序列和结构信息与3D特征，利用几何评分头进行姿态排序。在基准测试中，NucleoDock表现优于传统方法，在识别正确的对接姿态方面取得了56%的成功率，并显著提高了虚拟筛选的早期富集率。 AI

影响 通过提高识别核酸靶点潜在治疗分子的准确性和速度，增强了计算药物发现能力。

排序理由 该集群包含一篇详细介绍针对特定科学问题的新计算框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shi Li (College of Pharmaceutical Sciences, Zhejiang University, Hangzhou, Zhejiang, P. R. China), Xujun Zhang (College of Pharmaceutical Sciences, Zhejiang University, Hangzhou, Zhejiang, P. R. China), Mingquan Liu (Faculty of Health Sciences, Universit… ·

    基于大规模预训练的几何深度学习框架，实现核酸-小分子精确对接

    arXiv:2606.05198v1 Announce Type: cross Abstract: Nucleic acids are increasingly recognized as therapeutic targets beyond conventional protein-centered drug discovery, yet accurate and efficient docking of small molecules to nucleic acid structures remains challenging. Physics-ba…

相关实体

相关话题