腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
DrugAI
关注人工智能与化学、生物、药学和医学的交叉领域进展,提供“原创、专业、实例”的解读分享。
专栏作者
举报
1046
文章
637168
阅读量
112
订阅数
订阅专栏
申请加入专栏
全部文章
深度学习
人工智能
机器学习
神经网络
模型
数据
编程算法
nat
数据库
设计
性能
网络安全
测试
https
sql
学习方法
开发
NLP 服务
数据分析
工具
优化
算法
知识图谱
腾讯云测试服务
图像处理
网络
model
编码
系统
python
监督学习
框架
迁移学习
论文
医疗
强化学习
数据结构
研发
开源
函数
na
methods
工作
生物基因
cell
搜索
效率
数据挖掘
大数据
linux
tcp/ip
机器人
变量
基础
架构
迁移
翻译
html
http
卷积神经网络
数据集成
量化
c++
自动化
安全
graph
集合
实践
异常
github
pytorch
anaconda
编译
可视化
连接
git
api
网站
存储
es
图像分析
bioinformatics
chatgpt
pdb
prediction
队列
软件
统计
字符串
c#
css
apache
babel.js
图像识别
无监督学习
数据处理
腾讯云开发者社区
特征工程
tm
部署
代理
行业
解决方案
开发者
排序
事件
自然语言处理
深度学习框架
其他
区块链
tensorflow
node.js
android
ide
SSL 证书
分布式
正则表达式
云计算
虚拟化
聚类算法
jupyter notebook
联邦学习
binding
gpt
mean
models
network
precision
python3
sequence
structure
产品
程序
工作流
配置
通信
协议
语法
对象存储
人脸识别
数字货币
java
c 语言
perl
javascript
go
.net
r 语言
react
xml
jquery
硬件开发
composer
postgresql
access
ruby on rails
打包
搜索引擎
中文分词
delphi
文件存储
NAT 网关
腾讯优评
文智公众趋势分析
双螺旋
企业
云联网
游戏
缓存
shell
gui
yum
numpy
面向对象编程
dns
推荐系统
决策树
asp
keras
kernel
scikit-learn
processing
云数据库 postgresql
信息流
分类算法
emr
教育
alexa
alpha
amp
anchor
anova
backbone
bi
binary
block
cs
dataset
db
db2
dot
draw
e2e
embedding
epoch
fold
free
gan
gdi
geo
ggplot2
global
gpu
graphics
hidden
import
input
ipython
it
key
linker
local
max
message
meta
metrics
module
move
nlp
ole
output
package
pdf
predict
relationship
search
sh
shapely
target
tensor
tfs
theory
token
transfer
translation
using
validation
view
viewer
web
word2vec
workflow
wrapper
zero
笔记
表格
服务器
工程师
管理
互联网
集群
计算机视觉
进程
跨域
量子计算
模块化
生命周期
数据存储
数据恢复
图表
压缩
原理
终端
自动化机器学习
量子计算机
深度强化学习
搜索文章
搜索
搜索
关闭
Nat. Commun. | 相互作用引导药物设计的三维分子生成框架
模型
设计
数据
nat
框架
今天为大家介绍的是来自韩国科学技术院的一篇利用相互作用引导进行3D 分子生成的论文。深度生成模型具有加速药物设计的强大潜力。然而,由于数据有限,现有的生成模型常常面临泛化方面的挑战,导致设计创新性较差,并且与看不见的目标蛋白之间往往存在不利的相互作用。为了解决这些问题,作者提出了一种相互作用感知的 3D 分子生成框架,该框架能够在目标结合口袋内进行相互作用引导的药物设计。通过利用蛋白质-配体相互作用的通用模式作为先验知识,作者的模型可以利用有限的实验数据实现高度的通用性。通过分析生成的未见靶标配体的结合姿势稳定性、亲和力、几何图案、多样性和新颖性,对其性能进行了全面评估。此外,潜在突变选择性抑制剂的有效设计证明了提出的方法对基于结构的药物设计的适用性。
DrugAI
2024-04-15
80
0
Brief. Bioinform. | 蛋白质-小分子复合物结合强度和配体结合姿态一体预测的深度学习框架
函数
模型
性能
深度学习框架
测试
基于结构的药物设计中一项重要的任务是预测配体在靶体口袋中的结合姿态,然而当前已报道的打分函数通常受限于精度,或是局限于单一的输出,比如仅预测构象姿势的偏差(RMSD),结合强度(pKd)或是基于残基-原子间距离分布的统计势。本文介绍的是近期发表在国际知名生物信息学期刊《Briefings in Bioinformatics》上的一篇题为《A New Paradigm for Applying Deep Learning to Protein-Ligand Interaction Prediction》的研究论文。该论文提出了一种同时预测蛋白质-配体复合物结合强度及配体结合姿态偏差RMSD的打分框架IGModel。论文的第一作者是智峪生科助理研究员王泽琛(山东大学物理学院博士在读),共同通讯作者是郑良振博士(智峪生科-深圳先进院联合实验室)和李伟峰教授(山东大学物理学院)。
DrugAI
2024-04-14
141
0
Meta-MolNet:用于小样本药物发现的跨域元学习基准
性能
meta
跨域
模型
数据
今天为大家介绍的是来自北京大学AI4S平台中心主任、信息工程学院陈语谦教授团队提出了一种基于跨域元学习的图注意网络Meta-GAT,它可以在少数样本上可靠地预测分子属性。提议的图注意力网络可以有效地捕获任何原子间的相互作用以及键的边缘信息,以此来捕获原子的局部化学环境,并学习整个分子水平的几何空间结构和连接性。Meta-GAT利用分子数据中有用的未标记信息,并进一步开发有效的学习过程来转移来自源域的元知识。具体来说,Meta-GAT 模型对不同源域的大量类似分子进行先验分析获得元知识。Meta-GAT 受益于元知识,在转移到新的化学空间时降低了样本复杂性的要求。然后Meta-GAT 通过几个样本的内部迭代快速适应目标域中新支架集合的分子。实验表明,Meta-GAT 在多个基准生物活性和生理数据集上实现了最先进的领域泛化性能,并且在低数据约束下稳健地估计了各种分子特性数据集的不确定性。这些优势表明Meta-GAT很有可能成为面向少量样本的虚拟筛选技术的可行选择。
DrugAI
2024-04-12
66
0
J. Med. Chem. | 卤键对蛋白质结构稳定性及其与多肽结合影响的计算研究
优化
数据库
模型
设计
统计
共价结合的卤素原子周围电荷分布具有各向异性,存在一个带正电的σ空穴,可以与亲核试剂相互作用形成卤键作用(XB)。卤键是分子识别和药物设计中重要的非共价相互作用。在药物设计中,已有的研究主要集中在含卤小分子化合物与靶标蛋白之间的卤键。在自然界中,一些蛋白质和多肽也含有卤素原子,而卤代蛋白质和卤代多肽的合成也是科研人员关注的一个领域,但目前仍然缺乏对卤代蛋白质或肽所形成的卤键的系统研究。近日,中国科学院上海药物研究所朱维良/徐志建课题组基于数据库统计分析,并结合量子化学计算和分子动力学模拟对蛋白/多肽中的卤键进行了研究,发现在蛋白-多肽相互作用界面的卤键可以增强它们的结合亲和力,蛋白内部形成的分子内卤键有助于提高蛋白质的结构稳定性,而对于不能形成分子内卤键的蛋白质则会导致其结构稳定性降低。该研究成果以题为“Impact of Halogen Bonds on Protein–Peptide Binding and Protein Structural Stability Revealed by Computational Approaches”的文章1发表于药物化学领域著名期刊《Journal of Medicinal Chemistry》。相关研究为卤键应用于多肽/蛋白药物的研发提供了理论性指导。
DrugAI
2024-04-12
66
0
Nucleic. Acids. Res. | 又双叒叕升级了!ADMETlab 3.0——全面升级的药物ADMET预测平台
开发者
模型
数据
性能
网站
在药物研发的漫长过程中,药物早期筛选中的ADMET(吸收、分布、代谢、排泄特性和毒性)评估是决定药物成功与否的关键因素。自2018年中南大学湘雅药学院曹东升课题组首次发布ADMETlab以来,该平台不断改进ADMET的预测性能和药物研究者的使用体验。作为一个领先的ADMET预测平台,它也广受认可。截至目前,ADMETlab 2.0的文章已被引用1088次,网站访问量超过170万次。为了满足广大科研工作者更高的需求,此次将ADMETlab升级到了3.0版本。这是一个全面更新的在线ADMET预测平台,旨在为药物发现过程中的ADMET相关参数提供更广泛、更高效、更精准的评估。网站链接:https://admetlab3.scbdd.com。
DrugAI
2024-04-12
74
0
Nat. Biotechnol. | 通过全新设计的蛋白质激发功能
nat
模型
设计
数据
搜索
今天为大家介绍的是来自Po-Ssu Huang团队的一篇论文。蛋白质中的信息流是从序列到结构再到功能,每一步都是由前一步驱动的。蛋白质设计的基础是反转这一过程:指定一个期望的功能,设计执行这个功能的结构,并找到一个能够折叠成这个结构的序列。这个“中心法则”几乎是所有全新蛋白质设计工作的基础。我们完成这些任务的能力依赖于我们对蛋白质折叠和功能的理解,以及我们将这种理解捕捉到计算方法中的能力。近年来,深度学习衍生的方法在高效和准确的结构建模和成功设计的丰富化方面使我们能够超越蛋白质结构的设计,向功能蛋白质的设计前进。
DrugAI
2024-04-12
73
0
Nat. Commun. | 借助机器学习设计和筛选合成细胞中新兴蛋白质功能
机器学习
nat
模型
设计
系统
今天为大家介绍的是来自Petra Schwille团队的一篇论文。最近,机器学习(ML)的应用为计算蛋白质设计领域带来了惊人的进步,使得针对工业和生物医药应用的蛋白质定向工程设计成为可能。然而,为细胞核心相关的新兴功能设计蛋白质,比如能够在时空上自组织并因此构建细胞空间的能力,仍然极具挑战。虽然在生成方面,条件生成模型和多状态设计正在兴起,但对于新兴功能而言,无论是计算上还是实验上,都缺乏专门为蛋白质设计项目所需的筛选方法。在这里作者展示了如何为机器学习生成的蛋白质变体实现这种筛选,这些蛋白质变体能在细胞内形成时空模式。对于计算筛选,作者采用了一种基于结构的分而治之方法来找到最有希望的候选者,而对于随后的体外筛选,作者使用了由自下而上的合成生物学建立的合成细胞模拟体。
DrugAI
2024-04-12
46
0
Nat. Mach. Intell. | 5′ UTR语言模型:开辟蛋白质表达预测与优化的新途径
模型
效率
优化
nat
翻译
近日,来自普林斯顿大学电气和计算机工程系、斯坦福大学病理系与RVAC Medicines和Zipcode Bio等单位联合开发了一种5′ UTR语言模型(UTR-LM),由王梦迪教授担任通讯作者,褚晏伊博士和于丹博士共同担任第一作者。该模型旨在解码信使RNA(mRNA)分子起始部位的调控区,以预测和改进基因的翻译表达水平。
DrugAI
2024-04-12
122
0
Nat. Mach. Intell. | 蛋白质功能预测作为一种近似的语义蕴含
nat
编码
模型
数据
性能
今天为大家介绍的是来自Robert Hoehndorf团队的一篇论文。基因本体论(Gene Ontology, GO)是一个包含超过100,000条公理化理论,这些公理描述了蛋白质在三个子本体中的分子功能、生物过程和细胞位置。利用GO预测蛋白质的功能既需要学习能力也需要推理能力,以保持一致性并利用GO中的背景知识。虽然已经开发了许多方法来自动预测蛋白质的功能,但有效利用GO中的所有公理进行知识增强学习仍然是一个挑战。
DrugAI
2024-04-12
142
0
Nat.Biotechnol. | 针对膜蛋白靶标的计算机辅助药物开发
nat
工具
开发
模型
数据
今天为大家介绍的是来自Henning Stahlberg, Shuguang Yuan 和Horst Vogel团队的一篇综述。近年来,深度学习驱动的结构预测等进展使得计算生物学在膜蛋白靶标药物开发中的应用得到了显著推动。基于机器学习工具的最新蛋白质结构预测,为水溶性蛋白质和膜蛋白提供了出乎意料的可靠结果,但在开发针对膜蛋白靶点的药物时仍然存在局限性。膜蛋白的结构转变在跨膜信号传递中发挥着核心作用,常常受到治疗性化合物的影响。解决动态跨膜信号网络的结构与功能基础问题(特别是在原生膜或细胞环境中),仍然是药物开发面临的一个主要挑战。
DrugAI
2024-04-12
118
0
Nat. Biomed. Eng. | 利用生成式人工智能和医生的专业知识审计医学图像分类器的推理过程
nat
模型
数据
人工智能
医疗
今天为大家介绍的是来自Su-In Lee团队的一篇论文。大多数赋能医疗人工智能的机器学习模型的推理结果都难以解释。在这里,作者报道了一种结合医学专家见解和高度表达性的可解释人工智能形式的模型审计通用框架。
DrugAI
2024-04-12
90
0
视觉表征学习中学习和利用世界模型
性能
监督学习
架构
模型
网络
今天为大家介绍的是来自Yann Lecunn团队的一篇论文。联合嵌入预测架构(JEPA)已经成为一种有前景的自监督方法,它通过利用世界模型来学习。虽然之前它仅限于预测输入的缺失部分,作者在这里探讨了如何将JEPA的预测任务泛化到更广泛的预测类型上。作者引入了图像世界模型(Image World Models, IWM),这是一种超越遮蔽图像建模的方法,它学会在潜在空间中预测全局光度变换的效果。
DrugAI
2024-04-12
105
0
J. Chem. Inf. Model. | 人工智能增强多物种肝脏微粒体稳定性预测
算法
人工智能
model
模型
数据
今天给大家介绍一篇由中南大学湘雅药学院曹东升教授团队在Journal of Chemical Information and Modeling近期发表的关于肝微粒体稳定性性质预测模型的文章《Enhancing Multi-species Liver Microsomal Stability Prediction through Artificial Intelligence》。该文献通过整合多个数据库的数据,构建了一个庞大的多物种肝微粒体稳定性数据集,并利用机器学习算法构建了106个共识模型。通过SHAP方法和原子热图分析,揭示了影响肝微粒体稳定性的重要特征。研究还应用MMPA方法和亚结构衍生算法,提取了与肝微粒体稳定性相关的分子转化规则。这项研究为药物研发领域提供了新预测模型和分子解释,为药物设计和筛选提供了重要的指导和支持。
DrugAI
2024-04-12
87
0
J. Chem. Inf. Model. | ADMET-PrInt药物特性分析平台
数据
优化
model
开发
模型
今天为大家介绍的是来自Sabina Podlewska团队的一篇论文。在新药物的探索过程中,计算策略的发展改变了寻找新药的方式。虽然计算机辅助设计的策略依旧主要集中于确保候选化合物对特定目标的有效性,但是化合物的理化性质及ADMET(吸收、分布、代谢、排泄和毒性)特性的表征已成为计算机辅助药物设计不可或缺的一部分。在这项研究中,作者开发了一款在线应用程序ADMET-PrInt,用于对选定化合物的以下特性进行计算机辅助评估:心脏毒性、溶解度、遗传毒性、膜透过性和血浆蛋白结合能力。除了预测特定属性外,ADMET-PrInt还能够通过解释性方法识别影响这些属性的化合物特征。这对于药物化学家来说至关重要,因为它极大地简化了根据评估属性对化合物结构进行优化的过程。
DrugAI
2024-04-12
69
0
Nat. Mach. Intell. | 由数据和知识驱动的基于结构的分子生成模型
基础
开发
模型
数据
nat
今天为大家介绍的是来自Shengyong Yang团队的一篇论文。基于深度学习的分子生成技术在许多领域都有广泛的应用,尤其是在药物发现中。然而,目前大多数深度生成模型都是基于配体的,并没有在分子生成过程中考虑化学知识,这通常导致较低的成功率。在这里,作者提出了一个基于结构的分子生成框架,它明确考虑了化学知识(命名为PocketFlow),能够在蛋白质结合口袋内生成新的配体分子。
DrugAI
2024-03-27
164
0
Nat. Phys. | 量子计算机上的药物设计
设计
算法
系统
量子计算机
nat
今天为大家介绍的是来自Raffaele Santagati团队的一篇论文。量子计算机在工业应用中的潜力很大程度上依赖于它们执行精确、高效量子化学计算的预期能力。计算机辅助药物发现依赖于精确预测候选药物在含有数千个原子、特定温度条件下的细胞环境中的目标相互作用。作者在这里探讨了将量子计算机应用于药物设计中的挑战与机遇。
DrugAI
2024-03-26
107
0
AI大模型驱动的智能化学结构分割框架ChemSAM
框架
论文
模型
数据
研发
近日,「德睿智药」与帝国理工学院的合作论文“Automated molecular structure segmentation from documents using ChemSAM”发表在国际顶级化学信息学期刊Journal of Cheminformatics上。研究团队开发了一种基于深度学习的高性能化学结构分割模型ChemSAM,利用大模型框架从化合物的图形表示中识别其结构。该模型在公开基准数据集和实际任务上取得了当前最优效果,能够高效提取期刊文献以及专利中的化学结构。目前,ChemSAM已成功应用于「德睿智药」内部PROTACT数据库以及PharmKG平台项目研发,加速高质量化学信息收集。
DrugAI
2024-03-26
89
0
迈向语言模型中的分子关系建模
数据
开发
框架
模型
设计
今天为大家介绍的是来自Xiang Wang团队的一篇论文。分子关系学习(MRL),旨在理解分子对之间的相互作用,对推进生化研究发挥着关键作用。近期,采用大型语言模型(LLMs)作为一种高效有效的MRL方法显得尤为有前途,这些模型以其庞大的知识库和高级的逻辑推理能力而闻名。尽管这些方法充满潜力,但它们主要依赖于文本数据,因此并未完全利用分子图中固有的丰富结构信息。此外,缺乏统一框架加剧了数据利用不足的问题,因为它阻碍了在不同数据集之间学到的相互作用机制的共享。为了应对这些挑战,作者提出了一种基于LLM的多模态框架,用于分子交互建模,遵循思维链(CoT)理论,称为MolTC,该框架有效地整合了成对两分子的图信息。为了实现统一的训练范式,MolTC创新性地开发了一种动态参数共享策略,用于跨数据集信息交换。
DrugAI
2024-03-26
59
0
Nat. Biotechnol. | 利用语言模型设计蛋白质
nat
模型
设计
数据
优化
今天为大家介绍的是来自Ali Madani团队的一篇论文。蛋白质语言模型从进化的多样序列中学习,已被证明是序列设计、变异效应预测和结构预测的强大工具。蛋白质语言模型的基础是什么,它们如何在蛋白质工程中应用呢?
DrugAI
2024-03-26
98
0
思维的扩散,扩散语言模型中的链式思考推理
工作
模型
数据
性能
dot
今天为大家介绍的是来自Lingpeng Kong团队的一篇论文。扩散模型在文本处理中获得了广泛关注,与传统的自回归模型相比,它们提供了许多潜在优势。作者在这项工作中探索了扩散模型与链式思考(Chain-of-Thought, CoT)的集成,CoT是一种在自回归语言模型中提高推理能力的成熟技术。
DrugAI
2024-03-26
102
0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档