暂无搜索历史
基于片段的药物发现(Fragment-Based Drug Discovery, FBDD)自 20 世纪 90 年代兴起以来,已发展为制药工业中成熟且高效的先...
本文是一篇由来自多家顶级制药企业的科学家联合撰写的综述,旨在将工业界在片段药物发现(Fragment-Based Drug Discovery, FBDD)领域...
抗体长期主导生化研究的亲和试剂市场,支撑着 Western blot、免疫沉淀(Co-IP)、流式细胞术等核心实验技术。然而其固有缺陷日益凸显:
AlphaFold-Multimer(AF2.3,2022 年 12 月发布)是当前蛋白质-蛋白质相互作用(PPI)结构预测的主流工具,被广泛用于判断两条蛋白链...
过去五年,基于深度学习(Deep Learning, DL)的从头分子生成方法迎来爆发式增长,仅报道的新方法就接近200种。代表性工作包括:
计算机辅助药物设计(Computer-Aided Drug Design, CADD)近年来借助人工智能获得了显著加速,但在实际落地中,一个长期被忽视的矛盾日益...
如果你正在训练神经网络,一定打开过 PyTorch 或 TensorFlow 的文档,看到密密麻麻的优化器选项——SGD、Adam、RMSprop、Adagra...
本文提出了 MEHC-Curation,一个基于 Python 的开源分子数据集清洗框架。它将领域内被引用超过 1000 次、却从未有完整代码实现的 Fourc...
过去十年,人工智能在分子设计领域取得了革命性进展。深度生成模型(Deep Generative Models, DGMs)、强化学习(Reinforcement...
计算辅助分子设计(Computational-Aided Molecular Design, CAMD)正在从"经验驱动"走向"数据驱动"。图神经网络(GNN)...
AlphaFold2 的问世开创了蛋白质单体三维结构预测的新时代,使研究者得以以前所未有的规模获取蛋白质结构信息。然而,生物学现实是:蛋白质极少以孤立单体的形式...
近年来,AI 驱动的蛋白质结构预测取得了里程碑式的进展。当前主流方法可归为两大范式:
自2021年 AlphaFold2 横空出世以来,深度学习驱动的蛋白质结构预测已经深刻改变了结构生物学的面貌。2024年,AlphaFold3(AF3)进一步将...
结构导向药物发现(Structure-Based Drug Discovery, SBDD)是现代药物研发的核心范式之一。随着 AlphaFold 等蛋白质结构...
AlphaFold2(2021)的出现标志着蛋白质结构预测进入了一个新纪元。凭借对数百万蛋白质的高精度预测,它在 CASP14 竞赛中以压倒性优势超越了所有传统...
基于结构的药物设计(Structure-Based Drug Design, SBDD)需要同时满足两个核心目标:
过去十年,AI 在蛋白质结构预测(AlphaFold)、分子生成(generative models)等方向取得了轰动性突破。然而,药物发现的整体效率并未随之发...
类药分子(drug-like molecules)的理论数量估计约为 ,这一数字远超宇宙中原子的数目,使得"对全空间进行穷举筛选"在物理上是不可能的。传统基于实...
本文报道了一项里程碑式工作:将 Google DeepMind 的全原子结构预测模型 AlphaFold3(AF3) 首次系统性地应用于共价配体的虚拟筛选(co...
如果说二十世纪的药物发现是在一个小型图书馆里翻阅书目,那么当前的计算药物化学已进入了一个规模相当于整个互联网的数字宇宙。化学空间的边界正以指数级速度向外扩张——...
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