PulseAugur
中
实时 11:35:35
English(EN) Contrastive Geometric Learning Unlocks Unified Structure- and Ligand-Based Drug Design

新AI模型统一药物设计方法

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为ConGLUDe的新型对比几何学习模型，该模型统一了计算药物设计的基于结构和基于配体的方法。该模型使用几何蛋白质编码器和快速配体编码器来对齐配体与蛋白质表示和潜在结合位点。ConGLUDe可以执行配体条件口袋预测、虚拟筛选和靶点发现，在零样本虚拟筛选中取得有竞争力的性能，并在配体条件口袋选择和靶点发现中取得最先进的结果。 AI

影响 这种统一的药物设计方法可以通过改进虚拟筛选和靶点识别来加速新疗法的发现。

排序理由 该集群包含一篇详细介绍用于药物设计的新AI模型的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 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 stat.ML TIER_1 English(EN) · Lisa Schneckenreiter, Sohvi Luukkonen, Lukas Friedrich, Daniel Kuhn, G\"unter Klambauer ·

    Contrastive Geometric Learning Unlocks Unified Structure- and Ligand-Based Drug Design

    arXiv:2601.09693v3 Announce Type: replace-cross Abstract: Structure-based and ligand-based computational drug design have traditionally relied on disjoint data sources and modeling assumptions, limiting their joint use at scale. In this work, we introduce Contrastive Geometric Le…

相关话题