榴蓮忘返AIDD SAIR 用 520 萬個 AI 生成的復合物結構填補了數(shù)據鴻溝，但也無情地揭示了：我們離用預測結構精準預測結合力，還有十萬八千里。 海量合成數(shù)據： SAI...
發(fā)簡信
IP屬地：廣東
-
SAIR：AI 制藥的數(shù)據盛宴，還是畫餅充饑？
-
ADMET 預測新范式：讓刪失數(shù)據變廢為寶
榴蓮忘返AIDD 通過學習分子對之間的性質差異，這種新方法巧妙地繞過了藥物研發(fā)中普遍存在的"刪失數(shù)據"陷阱，顯著提升了 ADMET 預測的準確性。 核心創(chuàng)新是引入雙線性轉導（...
-
AI 設計大環(huán)分子新藥：從代碼到活體，全程跑通
榴蓮忘返-AIDD CycleGPT 模型成功實現(xiàn)了從 AI 設計、合成到動物模型驗證的全流程，證明了生成式 AI 在攻克大環(huán)分子這類高難度化學空間方面的巨大潛力。 Cycl...
-
無需對接！Graph_RG 問鼎 CASP16 親和力預測
榴蓮忘返-AIDD Graph_RG 在 CASP16 奪冠，證明了拋棄“構象”包袱的 AI 模型，在超大規(guī)模虛擬篩選上擁有壓倒性速度和實用價值。 顛覆性勝利：Graph_R...
-
AI 當審稿人？大語言模型篩選“老藥新用”靠譜嗎？
榴蓮忘返 2014 大語言模型（LLM）能像初級研究員一樣，高效篩選“老藥新用”的潛在機會，但前提是你得像個老手一樣，知道該怎么“問”它。 模型分工不同：GPT-4o 像個嚴...
-
DDI 預測：扔掉圖網絡，用 Transformer 就夠了
想把藥物相互作用這事兒算準，與其費勁巴拉地去搭什么復雜的生物網絡，還不如老老實實找點真正有用的化學和臨床特征，喂給一個簡單的分類器。 核心打法是數(shù)據融合：用 Transfor...
-
AI 也想當“絕命毒師”？我看還嫩了點
一幫大模型畫分子圖畫得是挺漂亮，但 ToxiMol 這面照妖鏡一亮，才發(fā)現(xiàn)它們想真正搞懂化學毒性這回事兒，基本上還處于穿開襠褲的水平。 ToxiMol 這個基準測試，頭一回給...
-
Biomni：一個 AI 包攬所有生物醫(yī)學研究？
斯坦福搞出的 Biomni，看起來像個無所不能的科研“瑞士軍刀”，但要說它能獨立完成所有研究，我還是先泡杯咖啡冷靜一下。 野心巨大：Biomni 的目標不是解決某個單一問題，...
-
PyMol ：精準測量分子距離，讓你的結構分析快人一步！榴蓮忘返 2014 在結構生物學的世界里，原子間的距離決定著相互作用的強弱，也蘊藏著生命活動的奧秘。而 PyMol 作為一款功能強大的可視化軟件，為我們打開了通往微觀世界的大...
-
PLIP: 如何分析蛋白質和配體相互作用?榴蓮忘返 2014 蛋白質和配體之間的相互作用就像一把鑰匙開一把鎖，只有完美契合才能發(fā)揮最佳效果。想要設計出高效的藥物，深入了解這些相互作用至關重要。 今天，我們將以 PD-...
-
如何在 Pymol 中顯示蛋白表面電荷?榴蓮忘返 2014 一、 蛋白質表面電荷的重要性 蛋白質是生命活動的主要承擔者，其結構與其功能息息相關。蛋白質的表面電荷分布對其折疊、穩(wěn)定性以及與其他分子（例如其他蛋白質、配...
-
基于孟德爾隨機化的多發(fā)性硬化癥潛在蛋白藥物靶點發(fā)現(xiàn)
榴蓮忘返 2014 導讀 通過孟德爾隨機化分析發(fā)現(xiàn)，F(xiàn)CRL3、TYMP、AHSG、MMEL1 和 SLAMF7 是多發(fā)性硬化癥的新藥物潛在靶標。 作為一種復雜的自身免疫病，...