- 博客(382)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 AI药物设计并不像人们认为的那么简单
本期内容是Relay Therapeutics 首席数据官Pat Walters对于自主AI药物分子生成的一些思考，他犀利的指出目前AI药物生成的技术缺陷，一个切通过实践操作给读者展示了AI在药物研发方面遇到的实际问题。他认为目前AI药物设计距离完美有非常长的路要走，AI相关的药物研发过程中仍然需要专业人士全程参与。最近被一篇题为“生成性人工智能将在不久的将来完全自主地设计新药”的CNBC文章震惊了。严谨的科研工作者虽然不应该关注大众媒体上关于人工智能的文章，但我感觉即使是从事药物发现的科学家也可能对生成性
2025-04-03 18:53:57
667
原创 2024中国生物信息学十大进展揭晓：从脑图谱到AI病毒，解码生命科学的突破性跨越
从量子级精度的蛋白质动力学模拟到首个整合的人类跨脑区细胞图谱，从AI驱动的病毒“暗物质”发现到泛癌种免疫细胞异质性的系统性解析，每一项成果都标志着中国科学家在破解生命密码、推动精准医学和疾病治疗中的卓越贡献。**研究发现，B细胞在肿瘤中存在显著的异质性，其中肿瘤相关非典型B细胞（TAABs）亚群表现出高克隆扩增能力，并通过与活化的CD4 T细胞形成紧密互作网络，显著提升患者的免疫治疗响应率和预后。未来，该技术或可整合空间转录组数据，实现SV的三维基因组定位，揭示结构变异与表观调控的关联。
2025-04-02 10:50:31
776
原创 AIDD-人工智能药物设计-多模态模型 MMPFP 显著提升蛋白质功能预测准确率
与基线模型相比，ProtoBERT-LoRA 取得了优异的性能，F1 值达到 0.624（精确率：0.481，召回率：0.887），显著优于传统的机器学习模型、基于规则的系统和微调的 PubMedBERT。这减少了在标记数据稀缺时的过拟合，并提高了泛化能力，超越了传统的基于关键词的识别方法。为了验证模型的有效性，研究者在一个包含 100 万个化合物的独立测试集上对 MolAI 进行了测试，即使对于结构复杂的分子，其在再生输入分子方面也实现了超过 99.99% 的出色准确率。
2025-04-02 10:49:02
832
原创 AIDD-人工智能药物设计-构建基于机器学习方法的在线预测平台高准确预测药物诱导骨毒性
在此基础上，提取多种药物分子特征，包括分子指纹（如MACCS、Morgan、RDKit、TopologicalTorsion、AtomPairs与Descriptors）及分子图谱，通过Transformer编码器与神经网络进行机器学习模型训练。最后，将训练好的模型部署为在线Web服务器（BoneToxPD），供用户快速预测药物的骨毒性。本研究不仅在骨毒性预测的准确性方面取得了突破，还在模型解释性方面提供了新的视角，通过注意力机制精准识别出影响骨毒性的关键化学基团，推动药物研发领域更安全、更高效的发展。
2025-04-02 10:47:23
609
原创 Baker团队用LigandMPNN玩转原子级蛋白质设计
此外，该方法可显著提升已有设计的结合能力，亲和力提升最高达100倍。通过对原本结合能力较弱甚至无结合能力的Rosetta设计进行优化，LigandMPNN显著提升了结合亲和力，其中包括对肌松药物rocuronium和胆酸结合蛋白的成功改造，部分案例的亲和力提升高达100倍。在侧链构象预测方面，LigandMPNN对χ1角的恢复率高于Rosetta和去除配体信息的LigandMPNN-wo模型，并在多个残基（如Gln、Arg、His）上表现出更低的构象偏差，突显其对功能位点精细建模的能力。
2025-04-01 14:42:30
511
原创 AI 驱动设计新型 GLP-1RA 显著提升药效和半衰期
FABO 的鲁棒性和效率使其成为一种很有前景的工具，可用于 MOF 以外的各种应用，并可能使其他需要优化材料或分子发现的领域受益。在大鼠体内的药代动力学（PK）研究表明，与司美格鲁肽（8.17 小时）相比，肽 D13 和 D41 的半衰期更长（分别为 19.86 小时和 23.16 小时），并且具有更高的血浆浓度和更长的平均滞留时间。这项研究不仅展示了 labyrinth 在药物优先级排序方面的强大能力，更强调了将计算模型与人类直觉推理相结合的重要性，为未来的药物研发提供了新的思路。
2025-04-01 14:39:36
914
原创 AIDD-人工智能药物设计-VITAM HORM|VGas6对维生素k的依赖作用
华法林通过抑制Gas6的g-羧化，可以消除Gas6对成纤维细胞、VSMCs和内皮细胞凋亡的保护作用，抑制新生内膜的形成和系膜细胞的增殖，并抑制巨细胞介导的凋亡细胞清除。PLC-g已被证明是MerTK的底物，在凋亡细胞的吞噬作用中是必不可少的，同时也与Axl结合，可能涉及影响细胞骨架动力学的途径。总体来看，由于TAM受体在细胞内序列的高度保守性，大多数相互作用的伙伴是共同的，尽管家族中的每个受体在生物学功能上表现出明显的差异。通过比较不同的敲除模型，可以强烈提示蛋白质S作为TAM受体的配体的作用。
2025-04-01 14:27:00
784
原创 AIDD-人工智能药物设计-一种结合生成式 AI 和结构方法的先导物优化新模型
b，将基于配体的方法整合到 Causal-Delete 中，使用 Delete 设计针对先前确定的 LTK 靶点的抑制剂。受掩码图建模和图数据结构预训练策略的启发，作者引入了一种统一的删除策略（如图 1 所示），包括三个增强的掩码器（随机、空间和拓扑）和四个特定于任务的掩码器（连接体、片段、骨架和侧链）。文章还指出，虽然人工智能辅助药物设计 (AIDD) 已在抗菌药物研发中展现出有效性，但目前的分子生成工作主要集中于基于配体的从头设计模型，这限制了其在研究较少的靶点和整合化学家先验知识方面的应用。
2025-04-01 14:25:03
1330
原创 AI-人工智能-多模态学习助力精准预测心脏毒性
UniMoMo 的成功突出了统一建模在从头分子设计中的可行性，并展示了利用多样化数据集增强生成性能的潜力，为药物发现和分子结合剂设计的未来发展铺平了道路。生物分子间的相互作用，如蛋白质与小分子间的结合，构成了复杂的网络，并对生物过程的调控起着关键作用。在训练过程中，模型最大化同一分子的模态内相似性，同时最小化不同分子间的相似性，确保跨模态表示的一致性。研究表明，Yuel 2 可以预测蛋白质与小分子之间的多种结合亲和力指标，包括 Kd、Ki 和 IC50，从而为药物设计和开发提供了对分子相互作用的全面理解。
2025-04-01 14:23:31
1022
原创 AIDD-人工智能药物设计-深度学习助力提高儿童低级别胶质瘤复发风险预测的准确性
生存分析表明，结合了磁共振图像信息和患者临床信息的多模态深度学习模型可以最显著的区分低复发风险和高复发风险患者，其中低复发风险组的三年无复发生存率（EFS）为92%；在2024年8月份，发表在《Neuro Oncol》杂志上的一项研究通过深度学习方法结合术前磁共振成像（MRI）特征与临床数据，成功的将儿童低级别胶质瘤患者分为术后高复发风险和术后低复发风险组，三年无复发生存率分别为30%和90%，为术后管理提供了可靠的依据［1］。基于临床信息的深度学习模型的三年无复发生存率分别为86%和68%。
2025-04-01 14:18:29
758
原创 人工智能在生物医药-新版ChatGPT-4o辅助一键生成机制图
细胞侵袭（Transwell invasion assay）、迁移（Wound healing assay, Transwell migration assay）以及动物模型中的转移灶形成（肺转移模型、肝转移模型等）是肿瘤研究中成熟且可量化的表型指标。乳酸化作为高乳酸的下游事件，其促进的功能很可能就体现在侵袭和转移能力的增强上。乳酸化修饰、ccRCC、预测靶标（KDM5C/SNAI1/YAP1）、预测通路（Hippo/YAP1）、预测表型（转移/侵袭/迁移）转移是导致ccRCC患者死亡的主要原因。
2025-04-01 14:13:14
1260
原创 人工智能在生物医药领域的应用地图：AIBC2025将于6月在上海召开！
2025年6月12-13日，在此前连续成功举办四届人工智能生物医药大会的基础上（2021至2024），智药邦将联合多家相关单位，在上海举办2025人工智能与生物医药生态大会。相关专业 (药学、化学、生物、医学、数据科学、计算机科学、信息学等) 的 PI / 实验室负责人 / 教授 / 博士后 / 博士 / 硕士研究生。董事长 / CEO / 创始人 / VP / 合伙人。战略 / 研发 / 技术 / IT / 项目总监。战略 / 研发 / 技术 / IT / 项目总监。期刊 / 出版社 / 媒体人员。
2025-04-01 14:09:09
908
原创 AIDD-人工智能药物设计-AI从零设计抗菌肽，对抗耐药菌还有清除生物膜超能力！
过去，自组装肽（SAFP）因其结构多变、合成简单、生物相容性好，被广泛用于组织工程、药物递送等领域。策略，能够在少量实验数据的基础上，高效预测肽段的抗菌能力，并在模拟中引入11种N端自组装修饰，极大拓展了设计空间。最终选出的新型SAFP（如octa-p2），与已知抗菌肽序列相似度极低，却依然在实测中表现出强效抗菌性！在抗生素滥用引发耐药危机的当下，我们亟需更安全、更智能的抗菌策略。更令人兴奋的是，这些肽段不仅能对抗大肠杆菌、金黄色葡萄球菌等常见菌株，甚至在。，为下一代抗菌药物设计打开了新的大门！
2025-03-26 17:44:40
1200
原创 AIDD-人工智能药物设计-AI+生物：从头设计功能性自组装肽
自组装肽通过分子设计和非共价相互作用实现自组装，形成稳定的纳米结构。这些纳米结构在药物递送、组织工程和生物传感器等领域具有广泛的应用前景。通过分子动力学模拟和实验表征，可以进一步优化自组装肽的设计，提高其性能和应用效果。LASAP1通过计算机辅助设计，结合了多种功能，包括靶向性、酸性微环境响应和酶响应。这些功能使LASAP1能够自组装成稳定的纳米颗粒，实现高效的药物递送和抗肿瘤效果。这种设计为开发新型自组装肽药物提供了重要的参考。
2025-03-26 17:40:07
945
原创 AIDD-人工智能药物设计-因果感知自回归扩散模型开启分子生成新范式
展望未来，研究团队计划从三个方向推进工作：拓展模型处理超大分子空间的能力，探索与强化学习的协同优化策略，以及构建面向药物发现全流程的智能生成平台。在 AI 驱动的分子生成领域，Arxiv 最新研究提出的 Mol-CADiff 框架，首次在分子生成领域构建起文本描述与分子结构间的显式因果关联模型，为可控分子设计开辟了新路径。跨模态分子生成是指在分子的不同表示形式之间建立映射关系，并能够从一种表示形式生成或转换到另一种表示形式的技术。：可能会生成含有抗生素常见结构的分子，但不一定能抑制特定的酶。
2025-03-26 13:35:40
659
原创 AIDD-人工智能药物设计-知识引导图学习赋能表型与靶点融合的创新药物发现
BioHG架构包括药物反应数据（捕捉药物与细胞的关系）、药物靶标数据（描述药物与蛋白质的相互作用）和细胞系的RNA表达谱（代表蛋白质与细胞系的关系）。表型驱动的药物发现通过评估药物对细胞或动物模型生理和病理表型的综合影响来筛选候选化合物，而靶点驱动的药物发现则依赖于对特定分子靶点的作用机制、结合特性及信号通路调控的深入研究，以筛选能够特异性调控靶点功能的药物。然而，如何融合表型驱动的药物发现数据和靶点驱动的药物发现数据，以充分利用两者的优势，仍是药物研发领域的一大挑战。图 3. 药物靶点预测结果。
2025-03-26 13:34:25
835
原创 IDEA 的 AI 编程插件推荐清单，大大提升你的开发效率！
AWS 深度集成，擅长生成云服务（如 Lambda、S3）代码。插件市场直接安装，免费版够用，Pro 版支持全代码库学习。通义灵码 + CodeGeeX → 中文支持 + 免费高效。基于 ChatGPT，支持生成测试用例、文档和代码解释。OpenAI 驱动，代码生成精准度高，支持多语言。阿里云出品，中文注释生成代码，无缝对接云服务。清华团队开发，完全免费，支持代码翻译/解释。免费开源，支持代码生成和搜索代码库相似片段。本地模型可选，隐私保护强，响应速度快。免费基础版，支持 CLI 命令生成。
2025-03-26 13:32:56
1410
1
原创 AIDD-人工智能药物设计-基于图神经网络的化合物 - 蛋白质相互作用预测新范式
区别于传统方法受限于已知分子互作数据，GraphBAN 展现出强大的外推预测能力——即使面对训练集从未出现的新化合物或新靶点，仍能保持高精度预测。在 Pin1 蛋白（肿瘤治疗重要靶点）的案例验证中，成功从百万级化合物库中筛选出潜在抑制剂，彰显其实际应用价值。Nature 子刊最新发表的 GraphBAN 框架，通过创新的图神经网络架构创新了传统方法的局限，为新型药物发现带来创新性进展。其特有的领域自适应模块，有效解决了不同实验场景数据分布差异的难题，为 AI 驱动的新药研发提供了可靠的技术支撑。
2025-03-26 13:31:32
224
原创 AIDD-人工智能药物设计-深度学习驱动的酶动力学参数预测模型CataPro助力高效酶挖掘与改造
通过广泛的测试，证明了CataPro在酶挖掘和酶改造中的应用潜力。这一过程首先从UniProt数据库中检索与初始酶CSO2具有较高序列相似性的酶序列，然后通过CataPro模型对这些酶的kcat和Km值进行预测，最后通过湿实验检测筛选出的候选酶在催化4-VG转化为香兰素的催化效率。在该研究中，作者不仅在理论层面上对CataPro进行了广泛的测试和验证，还将其应用于实际的酶发现和改造项目，即针对4-乙烯基愈创木酚（4-VG）转化为香兰素的酶挖掘项目，以评估其在真实酶挖掘和改造场景中的应用潜力。
2025-03-26 13:25:45
727
原创 AIDD-人工智能药物设计-计算驱动的药物再定位研究：策略、工具评测与典型案例分析
作为 REMEDi4ALL 项目的一部分，研究人员系统梳理了181种计算资源，构建了用于分层分类的药物再定位本体，并据此总结了基于靶点与表型的再定位策略，评估了部分资源的实用性，并通过三个真实案例展示其应用，相关资源已整理为可持续、可扩展的在线目录。系统挖掘药物与疾病之间的关联信息，有助于发现再定位的候选分子。然而，在精准靶点筛选、表型机制挖掘等再定位流程的关键阶段，仍缺乏便捷、高效的工具，尤其在药物组合疗法的预测（如抗癌或抗病毒协同作用）方面，尚缺少对体内协同效应和安全性进行评估的易用计算平台。
2025-03-26 13:23:38
894
原创 AIDD-人工智能药物设计- 融合表面特征的蛋白质 - 配体复合物预测
(e) 酶动力学测定确定的指示化合物的半数抑制浓度 (IC50) 值、PTS 测定确定的熔化温度差 (ΔTm) 和 SPR 测定确定的平衡解离常数 (Kd) 值的总结。模型的输入是蛋白质口袋的晶体构象和配体的种子构象，输出包括 m 个标量扭转角和每个配体的两个平移 - 旋转向量。这种设计通过使用相同的基于表面的表示和输入，简化了整个配体对接过程，消除了构象生成和评分阶段之间格式转换的需要。传统的配体对接方法在探索广阔的构象空间方面存在局限性，而深度学习 (DL) 方法的出现为解决这一问题提供了新的途径。
2025-03-26 13:21:52
546
原创 AIDD-人工智能药物设计-利用自动化机器学习（AutoML）方法促进计算机模拟的ADMET特性预测
现有的AutoML方法中，Hyperoptsklearn是一个基于Scikitlearn的工具，能自动搜索最佳算法与超参数组合，适用于监督学习任务中的分类与回归。数据集包含了Caco2渗透性、Pgp底物识别、BBB渗透性、CYP酶抑制（包括CYP1A2、CYP2C9、CYP2D6、CYP3A4等）、HLM（人类肝微粒体）与RLM（大鼠肝微粒体）稳定性，以及hERG抑制等共11种ADMET特性。在所有ADMET特性预测中，HSL生成的模型在内部测试集上的AUC值均大于0.8，表现出优异的预测性能。
2025-03-26 13:20:19
1181
原创 AIDD-人工智能药物设计-基于知识图谱的药物治疗预测和机制描述机器学习框架
该表列出了由KGML-xDTD模型预测的前十种药物/治疗方法，包括在训练集中使用的药物（用红色标出）和未在训练集中使用的药物：除了训练集中已知的药物/治疗方法外，列表中剩下的七种药物/治疗方法大部分得到了已发布的研究支持，并有潜力用于治疗血友病B。首先需要有“演示路径（Demonstration Paths，如图）”作为强化学习的指导，即一组生物学上可能的路径（如药物K-> 基因G -> 蛋白质P-> 疾病D），它们是作者依照一定标准从BKG中提取出来的，一共396705条，演示路径可以辅助结点移动。
2025-03-23 19:18:51
967
原创 AIDD-人工智能-RNAmigos2打造RNA结构筛选加速器
在本研究中，研究人员提出一种结构基础的RNA虚拟筛选方法，在保持高准确度的同时，大幅缩短计算时间，支持大规模RNA靶点筛选。但在RNA领域，因缺乏足够的结构和配体结合数据，相关工具的发展受限，且RNA特有的结构性质也阻碍了蛋白领域方法的直接迁移。为增强模型的预测能力，研究人员从RNA-配体复合物中提取结构并聚类，将真实配体与虚假分子（decoy）构成训练集，训练出两个解码器：一个用于区分真实配体与干扰物（Compat），一个用于预测结合亲和力（Aff），后者通过大规模分子对接数据训练而成。
2025-03-23 19:16:48
580
原创 AIDD-人工智能药物设计-Nat. Comput. Sci. | 利用机器学习引导的对接筛选，实现快速遍历广阔化学空间
按需合成的化学库迅速增长，为虚拟筛选在药物发现中提供了前所未有的机会。然而，即便是最快的基于结构的对接方法，也难以筛选规模达数十亿的化学库。本研究提出了一种结合机器学习和分子对接的策略，实现对超大规模数据库的快速虚拟筛选。研究人员首先对100万种化合物进行分子对接，并训练分类算法识别高评分化合物。随后，利用保序预测框架从数十亿化合物库中筛选出候选化合物，减少需要对接评分的数量。实验表明，CatBoost 分类器在速度和准确性之间取得最佳平衡，并用于优化超大规模筛选流程。对35亿种化合物的应用显示，该方法可将
2025-03-16 18:39:17
1371
原创 AIDD-人工智能药物设计-4D蛋白质组学+AI强强联手，结直肠癌液体活检迎来新突破！
基因集富集分析（GSEA）表明，PF4低表达表型与脂质代谢通路（如胆固醇外排、脂质定位）显著相关（NES=2.1，p=0.002，图5A-C），而AACT高表达表型富集于炎症反应和蛋白酶抑制通路（如NF-κB信号、急性炎症应答，图5E-G）。在912例独立队列（338例训练集、328例测试集、246例外部验证集）中，ELISA检测显示：PF4在CRC患者中的表达较健康对照升高4.7倍（p<0.001，图3A-B），且与肿瘤分期显著正相关（I期：2.3倍，IV期：6.1倍，图3E-F）；
2025-03-16 18:37:23
514
原创 AIDD-人工智能药物设计-Nat. Biotechnol. | 绘制药物代谢扰动图谱，解码1520种药物的隐秘作用机制
正如预期的那样，平均而言，肿瘤药物表现出最强的生长抑制活性。图3a,g,l,q）的代谢变化，分别涉及DNA合成谷氨酰胺和谷氨酸代谢的推定中间体，或糖苷酶抑制剂的独特代谢变化（AUC: 0.62），如嘌呤生物合成中N1-（5-磷酸-d-核糖基）甘氨酰胺的积累（图3a,c,h,m）。当测试不同治疗类别药物之间的平均代谢组相似性的显著性时，作者发现了预期的交叉富集（超几何检验，P < 0.01），这种富集发生在用于治疗中枢神经系统和神经肌肉疾病的药物之间，或抗感染和肿瘤学药物之间，可能是由抗叶酸化合物驱动的。
2025-03-16 18:32:48
682
原创 AIDD-人工智能药物设计-代码实战
为了帮助大家更高效地进行实战学习，我特意为大家准备了GitHub代码：AI-Drug-Discovery-Design（https://github.com/itWangCode/AI-Drug-Discovery-Design/tree/main）。项目文件夹中的内容一目了然，其中03_Al Drug Discovery & Design专门展示了药物发现与设计的完整流程，绝对是掌握该领域精髓的关键部分。01是集成部分，后续文件则提供了丰富的扩展内容，适合深入研究。
2025-03-16 10:47:46
147
原创 AIDD-人工智能药物设计-人工智能驱动的基因组变异算法设计与应用
在过去的十年里，基因组测序已经成为基因组学、遗传学以及医学应用领域中不可或缺的重要手段，并催生了众多关键性的发现与深刻的见解。与GATK、DeepVariant结合BWA和Giraffe的鉴定结果相比，DRAGEN在合并的SNVs和indels上错误率大幅降低，与GATK + BWA相比平均错误减少82.88%，与DeepVariant + BWA相比平均错误减少60.07%，与Giraffe + DeepVariant相比平均错误减少44.33%，这证实了DRAGEN在使用泛基因组参考时的优越性能。
2025-01-16 19:23:23
932
原创 AIDD-人工智能药物设计-PLIP: 如何分析蛋白质和配体相互作用
本文介绍了蛋白质-配体相互作用指纹（PLIF）方法，该方法结合了蛋白质-配体相互作用分析软件（PLIP）和化学信息学工具包 RDKit，用于分析蛋白质-配体相互作用。首先，利用 PLIP 软件分析了 6 个 PD-L1 共晶体结构，获得了配体与蛋白质残基之间的相互作用信息。然后，根据 OPIG 博客介绍的方法，利用 RDKit 将 PLIP 的分析结果转换为 PLIF。为了便于比较不同共晶体结构之间的相互作用模式，将 PLIF 表示为位向量，并使用热图可视化。
2025-01-16 19:22:16
535
原创 AIDD-人工智能药物设计-利用生成式 AI 进行先导化合物结构优化
通过忽略原子和键的类型，可以获得更抽象的环状骨架 (CSK)。基于自身开发和应用结构导向先导化合物优化模型 Delete 的经验，作者提出了一个在实际药物研发中有效利用基于生成式 AI 的先导化合物优化模型的实用方案（图 9），包括获取初始蛋白 - 配体结构、选择目标指标、利用模型集合进行分子设计以及分子过滤和选择等步骤。最后，本文从优化算法的分类角度对目标导向和结构导向方法进行了独特的分类，并提出了一个参考方案，以帮助化学家将生成式 AI 方法融入结构修改任务，从而使实验人员能够快速适应最新的技术。
2025-01-16 19:21:06
1852
原创 AIDD-人工智能药物设计-基准数据集的泛化评估不真实？哈佛医学院提出SPECTRA
相似模式也在SP=0.95和SP=1.0的拆分中观察到。针对这一问题，作者提出了SPECTRA框架：如图1b, d所示，SPECTRA通过生成跨拆分重叠度（即训练集与测试集的相似性）逐步降低的一系列拆分，并绘制模型性能的谱曲线（SPC），以此观察模型在不同重叠度下的表现，并通过曲线下面积（AUSPC）量化总体泛化能力。深度学习通过预测序列与表型之间的生物学关系来模拟表型，但由于（1）仅有少量可用的分子测序数据，（2）序列会不断进化并出现数据集中未包含的新突变，导致分布移位，从而降低模型在新数据上的性能。
2025-01-16 14:41:04
626
原创 AIDD-人工智能药物设计-人工智能/机器学习在药物发现中的实际应用与实践经验
然而，由于生物系统的复杂性、高质量训练数据的有限性，以及化学描述符对化学相互作用的表征能力不足，实验数据的准确预测仍然是一个挑战。药物发现过程中的决策偏见是一个广为人知的问题，这些偏见可能阻碍进步，并妨碍AI/ML技术的整合，因为它们隐性地挑战了传统的工作方式。研究人员发现，生成工具的应用并非“简单按键式”过程，其结果的后处理至关重要，以提高生成化合物的可靠性和实用性。在竞争激烈的市场中，保持对AI/ML技术进步的敏锐洞察至关重要，因为潜在合作伙伴希望通过整合这些工具，在项目中生成和利用高质量的实验数据。
2025-01-16 14:39:46
822
原创 AIDD-人工智能药物设计-变扩散模型DiffSBDD
图2a显示，DiffSBDD和Pocket2Mol的Vina评分都集中在参考值附近，但扩散模型的分布范围更广，这表明其生成的样本中包含更多得分较低的分子，同时也包含潜在结合力可能强于天然配体的配体。为了提高计算效率，作者为配体和结合口袋节点之间的分子间边，以及同一分子中两节点之间的分子内边，定义了可独立调节的距离阈值（图1b）。而在作者提出的方法中，仅需定义一个简单的二进制掩码，就足以使扩散模型推广到任何修复任务，同时使用的是在所有可用蛋白质-配体原始数据上训练的神经网络。
2025-01-16 14:37:44
1099
原创 AIDD-人工智能药物设计-基于对接的机器学习模型预测激酶抑制剂亲和力
图 2. Vina 和 RFScoreVS 评分函数与 Papyrus pChEMBL 数据的相关性 | 预测的亲和力值与文献值显示为对数六边形图，基于所有 VinaGPU 构象的 -Vina 得分 (A)、所有 VinaGPU 构象的 RFScoreVS (B)、所有 DiffDock 构象的 RFScoreVS ©、每种激酶计算并按激酶组汇总的 Vina 得分的 R2 (D)、VinaGPU 构象的 RFScoreVS (E) 和 DiffDock 构象的 RFScoreVS (F)。
2025-01-13 13:04:51
1378
原创 AIDD-人工智能药物设计-快速生成晶体结构，雷丁大学采用GPT架构生成CIF文件
相比之下，CrystaLLM的模型规模较小（2亿参数），更易部署和微调，且具备更高的灵活性和成本效益。CrystaLLM能生成训练中未见过的多种无机化合物的合理晶体结构，展示了大型语言模型在晶体化学建模中的巨大潜力，有望加速材料科学的发现与创新。如图6所示，研究人员使用CrystaLLM生成了1000个无条件的晶体结构，其中900个有效，891个独特，102个为训练集中未见的新结构。具体来说，表4显示，在挑战集中20个难题中，使用MCTS的有效性率在95%的情况下有所提升，且85%的生成结构能量更低。
2025-01-13 00:28:16
971
原创 AIDD - 人工智能药物设计 -深度学习赋能脂质纳米颗粒设计，实现高效肺部基因递送
今天为大家介绍的是来自美国麻省理工和爱荷华大学卡弗医学院团队的一篇论文。可离子化脂质（ionizable lipids）是脂质纳米颗粒（lipid nanoparticles）的关键组成部分，而脂质纳米颗粒是当前最先进的非病毒信使RNA递送技术。为超越当前依赖实验筛选和/或理性设计的可离子化脂质鉴定方法，作者引入了一种基于神经网络的脂质优化方法，这是一种用于可离子化脂质设计的深度学习策略。作者创建了一个包含超过9,000条脂质纳米颗粒活性测量数据的数据集，并利用这些数据训练了一个定向消息传递神经网络，以预测
2025-01-12 23:25:10
941
原创 AIDD-人工智能药物设计-用于科学药物发现的分子视频衍生基础模型
在 e 中，分子框架对分别表示结构缺失的框架和结构出现的框架。在虚拟筛选与分子对接任务中，VideoMol 成功筛选出具有较高结合亲和力的抑制剂，在靶向 BACE1、COX-1 和 COX-2 等靶点的药物的虚拟筛选中，其性能远超传统的分子对接方法，充分证明了 VideoMol 在分子三维动态信息捕获方面的优势。与传统的分子表征（如分子指纹、分子图结构和静态图像）不同，VideoMol 将分子的三维构象动态变化表示为视频，通过旋转分子三维结构生成 60 帧视频，捕获不同视角下的结构信息。
2025-01-10 11:13:55
1283
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人