暂无搜索历史
蛋白质之间如何彼此结合,是几乎一切细胞过程的基础。AlphaFold2(AF2)让研究者能够以接近实验的精度、从结构层面预测蛋白质相互作用(protein–pr...
蛋白结合物设计长期以亲和力为单一优化目标,但对于激酶、核受体、GPCR 这类变构靶点,一个同时结合激活态(holo)和失活态(apo)的 binder 不具备任...
GalaxyVS 是一套软硬件协同设计的虚拟筛选框架,部署于国家超级计算天津中心。它以 DrugCLIP 的「稠密向量检索」范式为内核,绕开经典分子对接的几何计...
本文提出并验证了一套以 AI 为引导、以化学反应为基础的 hit-to-lead 工作流,作者命名为 CSAR(Comprehensive Structure–...
在药物化学研究中,构效关系(Structure-Activity Relationship,SAR)分析是核心主题之一。随着化合物数据集规模不断扩大,仅凭化学家...
AlphaFold2(AF2)在 CASP14 评估中以压倒性优势超越传统方法,实现了蛋白质结构预测的革命性突破。然而,这一工具在基于结构的药物设计(Struc...
设计 de novo 蛋白结合子已越来越容易,但在合成与实验验证之前如何排序候选,长期依赖经验性启发式(heuristics),缺乏系统比较。本文做了三件事:
新药研发是人类健康事业中成本最高、周期最长、风险最大的科学工程之一。平均而言,一款新药从立项到获批上市需要投入约 26 亿美元、历经 10~15 年,而在初筛阶...
早期药物发现的核心任务是从化学空间中找到能与靶蛋白结合的"苗头化合物"(hit compounds)。当前主流策略包括:
这篇论文聚焦一个基础而深刻的问题:分子内原子间相互作用力(interatomic forces)的本质是什么? 具体而言,研究者试图回答三个相互关联的子问题:
在小分子药物研发流程中,先导化合物优化(Lead Optimization, LO) 阶段的核心目标之一是提升候选分子对靶蛋白的结合亲和力(Binding Af...
近年来,机器学习(ML)在小分子药物发现领域的应用引发了广泛关注与期待。然而,来自牛津大学 Charlotte Deane 课题组的这篇 Perspective...
结构-活性关系(Structure-Activity Relationships, SAR)是药物化学与先导化合物优化的核心方法论,其本质是通过统计或模型方法,...
多肽(Peptide)作为介于小分子药物与大分子生物制剂之间的"第三条路线",近年来在药物研发领域的战略地位急剧上升。2023年,司美格鲁肽(Semagluti...
近年来,深度学习在药物研发领域取得了令人瞩目的进展。与传统机器学习和定量构效关系(QSAR)方法相比,深度神经网络在以下任务中展现出强大能力:
新药研发是人类科技活动中最昂贵、周期最长的工程之一。据统计,一款新药从靶点确认到最终上市,平均需要 10–14 年、耗资逾 10 亿美元。而计算机辅助药物发现(...
近年来,AI蛋白质设计领域论文产出呈爆炸式增长,但绝大多数工作止步于计算层面的评估——模型生成的序列是否真的在实验室中起效,往往语焉不详。这篇综述恰好填补了这一...
蛋白质-配体结合自由能(Binding Free Energy, BFE)是计算机辅助药物设计(CADD)的核心物理量。精准预测 BFE 意味着在实验合成前即可...
药物研发是人类科学史上最艰难的挑战之一。一种候选药物从发现到上市,平均耗时逾十年、花费超过十亿美元,而最终进入临床的药物中,超过 90% 仍以失败告终。失败的两...
如果你关注 AI 在生命科学领域的应用,这篇来自 Phylo 团队的博客是近期值得精读的方法论文章之一。
暂未填写公司和职称
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市