-
份子100%有用，从头设计配体，湖南大学提出鉴于片断的份子表征框架
编辑 | KX份子形容符广泛应用于份子建模，但在 AI 辅助份子发现领域，缺乏自然适用、完整且「原始」的份子表征是一个挑战，影响 AI 模型的本能和可解释性。在利用先进的自然语言处理（NLP）方法解决化学问题时，会出现两个基本问题：（1）什么是「化学词」？（2）如何将它们编码为「化学句子」？近日，湖南大学研讨团队提出了一种灵活的、鉴于片断的多尺度份子表征框架 t-SMILES 的框架来解决第二个问…- 11
- 0
-
击败25个份子计划算法，佐治亚理工、多伦多大学、康奈尔提出大说话模型MOLLEO
作者 | 佐治亚理工学院王浩瑞编辑 | ScienceAI份子发明作为优化问题，因其优化宗旨可能不可微分而带来显著的计算挑战。退化算法（EAs）常用于优化份子发明中的黑箱宗旨，通过随机突变和交叉来遍历化学空间，但这会导致大量昂贵的宗旨评价。在这项工作中，佐治亚理工学院、多伦多大学和康奈尔大学研究者合作提出了份子说话增强退化优化（MOLLEO），通过将拥有化学知识的预训练大说话模型（LLMs）整合到…- 8
- 0
-
AI小份子药物创造的「百科全书」，康奈尔、剑桥、EPFL等研究者综述登Nature子刊
作者 | 康奈尔大学杜沅岂编辑 | ScienceAI随着 AI for Science 受到越来越多的关注，人们更加关心 AI 如何解决一系列科学问题并且可以被成功借鉴到其他相近的领域。AI 与小份子药物创造是其中一个非常有代表性和很早被探索的领域。份子创造是一个非常困难的拉拢优化问题（由于份子布局的离散性）并且搜寻空间非常庞大与崎岖，同时考证搜寻到的份子属性又十分困难，平时需要昂贵的实行，至少…- 4
- 0
-
自动识别最好份子，降低分解利润，MIT开发份子计划决议计划算法框架
编辑 | 紫罗AI 在简化药物发现方面的应用正在爆炸式增长。从数十亿种候选份子中挑选出可能具有开发新药所需特性的份子。需要思虑的变量太多了，从材料价格到出错的风险，即使科学家应用 AI，权衡分解最好候选份子的利润也不是一件容易的事。在此，MIT 钻研职员开发了一个定量决议计划算法框架 SPARROW，来自动识别最好份子候选物，从而最大限度地降低分解利润，同时最大限度地提高候选物具有所需特性的可能性…- 6
- 0
-
为百亿参数LLM化学应用提供新范式，香港理工大学提出上下文份子微调
作者 | 香港理工大学李佳潼编辑 | ScienceAI去年，香港理工大学研究团队开发了一个基于检索的提示范式MolReGPT，利用大型谈话模型探索份子发现，在份子和份子文本形容之间进行翻译。近日，香港理工大学、上海交通大学和上海人工智能实行室联合发表了题为《Large Language Models are In-Context Molecule Learners》的文章，也是MolReGPT[…- 17
- 0
-
效率高、成本低，从单一构造到平均分散，微软AI份子猜测框架登Nature子刊
编辑 | 紫罗近年来，深度进修技术在份子微观构造猜测中取得了巨大的进展。然而，份子的宏观属性和功能往往取决于份子构造在平均态下的分散，仅了解份子的微观构造还远远不够。获得这些分散的传统步骤，如份子动力学模仿，但这些步骤昂贵又耗时。在此，来自微软研讨院科学智能中心（Microsoft Research AI4Science）的研讨职员，提出了一种可用于猜测份子构造平均分散的深度进修框架，称为分散式图…- 7
- 0
-
辉瑞 AI 法子登 Science，揭示数以万计的配体-蛋白质相互作用
编辑 | X尽管蛋白质结构展望取得了重大进展。但对于 80% 以上的蛋白质，迄今为止尚未发觉小份子配体。识别大多数蛋白质的小份子配体仍具有挑战性。现在，奥地利科学院份子医学研讨中心 CeMM 的研讨职员与辉瑞公司合作，开发了一种法子来展望数百种小份子与数千种人类蛋白质的结合活性。这项大规模研讨揭示了数以万计的配体-蛋白质相互作用，通过探索这些相互作用，从而可以开发化学工具和治疗法子。此外，在机械进…- 7
- 0
-
药物份子安排新策略，微软前提散布模型DiffLinker登Nature子刊
编辑 | 紫罗药理学领域的化学空间高达 10^60，在广阔的化学空间中进行搜索，给药物安排带来了巨大的挑战。鉴于片断的药物发现一直是早期药物开发的有用范例。然而，该领域面临的一个挑战是，如何安排断开的感兴趣份子片断之间的接连子（linker），生成化学上合理的候选药物份子。在此，来自微软钻研院科学智能中心（AI4Science）、洛桑联邦理工学院、牛津大学和 MIT 的钻研团队，提出了一种用于份子…- 8
- 0
-
化学威力超GPT-4，首个化学范畴百亿级大模型，思必驰、上交大、苏州实验室联合发布
编辑 | ScienceAI2024年3月12日，思必驰-上海交大智能人机交互联合实验室、苏州实验室共同发布了首个针对化学科学的百亿级业余化大模型ChemDFM。模型参数现已完全开源以帮助和促进大模型帮助化学科研范畴的相干钻研（）。此外，ChemDFM的钻研论文也已作为相干范畴的第一篇钻研论文于arXiv预印本网站上公开发表。论文链接：，引入了海量的化学基础与前沿常识，充分学习并掌握化学科学的专有…- 33
- 0
-
从300亿份子中筛出6款，结构新且易分解，斯坦福抗生素安排AI模型登Nature子刊
编辑 | 凯霞全球每年有近 500 万人死于抗生素耐药性，因此迫切需要新的格式来对抗耐药菌株。AI 格式可以发现新的抗生素，但现有格式有明显的局限性。性质猜测模型很难扩展到大型化学空间。直接安排份子的生成模型可以快速探索广阔的化学空间，但生成的份子难以分解。在此，斯坦福大学和麦克马斯特大学（McMaster University）的研讨人员发明了一种新的生成式 AI 模型 SyntheMol，可以…- 2
- 0
-
优于SOTA，腾讯AI Lab开发双重聚集模型，实现靶标配体3D份子生成和开始化合物优化
编辑 | 萝卜皮基于结构的生成化学，通过探索广阔的化学空间来设计对靶标具备高结合亲和力的配体，在计算机辅助药物发现中至关重要。然而，传统的计算机格式受到计算效率低下的限制，机器学习格式则因自回归采样而面临瓶颈。为了解决这些问题，腾讯 AI lab、香港城市大学、锐格医药（Regor Therapeutics Group）的研讨职员开发了一种条件深度生成模型 PMDM，用于生成适合一定靶标的 3D …- 4
- 0
-
准确率 >98%，基于电子密度的 GPT 用于化学钻研，登 Nature 子刊
编辑 | 紫罗可合成的份子化学空间是巨大的。要想有效地驾驭这一领域，需要基于计算的筛选技术，如深度学习技术，以快速跟踪感兴趣的化合物发觉。然而，利用算法从事化学发觉需要将份子结构变换为计算机可用的数字透露表现形式，并开发基于这些透露表现形式的算法来生成新的份子结构。近日，来自英国格拉斯哥大学（University of Glasgow）的钻研人员，提出了一种基于电子密度训练的机器学习模型，用于生产…- 3
- 0
-
100%化学有效，高度类似药物，川大开发数据和学问双启动的AI份子生成框架
编辑 | 萝卜皮鉴于深度进修的份子生成在许多领域都有广泛的应用，特别是药物发现。然而，目前的深度生成模型大多数是鉴于配体的，在份子生成过程中没有考虑化学学问，往往导致成功率相对较低。四川大学的钻研团队提出了一种鉴于构造的份子生成框架，称为 PocketFlow；该框架明确考虑了化学学问，可在卵白质分离袋内生成新型配体份子，用于鉴于构造的从头药物设计。在各种计算评估中，PocketFlow 表现出了…- 4
- 0
-
猜测所有生物份子，David Baker 团队蛋白质设计新工具 RoseTTAFold All-Atom 登 Science
编辑 | ScienceAI在蛋白领域，华盛顿大学 David Baker 团队又带来了新进展。蛋白质是生命存在不可或缺的份子，但它们不是细胞中唯一的份子，参与生命过程它们必须与其他份子相互协作。近年来，AlphaFold 和 RoseTTAFold 等蛋白质构造猜测算法，席卷了构造生物学领域。深度学习方法彻底改变了蛋白质构造猜测和设计方式，但目前仅限于纯蛋白质系统。问题是，这些模型忽略了许多影响…- 50
- 0
-
受 ChatGPT 启发，分离 Transformer 和 RL-MCTS 进行从头药物安排
编辑 | 萝卜皮通过从头药物安排创造新型医治化合物是药物钻研领域的一项关键挑战。传统的药物创造办法通常资源密集且耗时，这促使科学家探索利用深度进修和强化进修技术力量的创新办法。在这里，美国查普曼大学（Chapman University）的钻研职员开发了一种称为 drugAI 的新型药物安排办法，该办法利用编码器-解码器 Transformer 架构与通过蒙特卡罗树搜索（RL-MCTS）进行的强化…- 2
- 0
-
发觉、分解并表征303个新份子，MIT团队开发机器学习驱动的闭环自决份子发觉平台
编辑 | X传统意义上，发觉所需特点的份子过程一直是由手动实验、化学家的直觉以及对机制和第一原理的理解推动的。随着化学家越来越多地使用主动化设备和展望分解算法，自决研讨设备越来越接近实现。近日，来自 MIT 的研讨人员开发了由集成机器学习对象驱动的闭环自决份子发觉平台，以加速具有所需特点的份子的设计。无需手动实验即可索求化学空间并利用已知的化学结构。在两个案例研讨中，该平台尝试了 3000 多个反…- 3
- 0
-
改进份子表征进修，清华团队提出学问诱导的图 Transformer 预训练框架
编辑 | 紫罗进修有效的份子特性表征以促进份子特性预计，对于药物发现具有重要意义。最近，人们通过自监视进修技术预训练图神经网络（GNN）以克服份子特性预计中数据稀缺的挑衅。然而，当前鉴于自监视进修的要领存在两个主要障碍：缺乏明确的自监视进修策略和 GNN 的能力有限。近日，来自清华大学、西湖大学和之江实验室的研讨团队，提出了学问诱导的图 Transformer 预训练（Knowledge-guid…- 5
- 0
-
更低估计成本，基于单电子约化密度矩阵的机械进修电子布局方式
编辑 | 萝卜皮密度泛函理论（DFT）的定理建立了多体零碎的局部外部势与其电子密度、波函数以及单粒子约化密度矩阵之间的双射映射。在此基础上，罗格斯大学（Rutgers University）和纽约大学（New York University）的研究人员证明基于单电子约化密度矩阵（reduced density matrices）的机械进修模型可用于生成替换电子布局方式。该团队为从小份子（如水）到更…- 6
- 0
-
生成的份子几乎 100% 有效，用于逆向份子安排的带领集中模型
编辑 | 绿萝「从头份子安排」是材料科学的「圣杯」。生成深度学习的引入极大地推进了这一方向，但份子发现仍然具备挑战性，而且往往效率低下。以色列理工学院（Technion-Israel Institute of Technology）和意大利威尼斯大学（University Ca’ Foscari of Venice）的研讨团队，提出一种用于逆向份子安排的带领集中模型：GaUDI，它结合了用于属性展…- 6
- 0
-
以「钥匙和锁」方式设想份子，浙大&碳硅智慧开发3D份子生成新模型SurfGen
编辑 | 紫罗高效的从头设想是计算机辅助药物发现的巨大挑战。上个月，浙大侯廷军团队和碳硅智慧合作提出了一种鉴于蛋白口袋的三维（3D）份子生成模型——ResGen，ResGen 计算效率更高，比之前最好的技术快大约八倍。研讨成果发表在《Nature Machine Intelligence》上。近日，该团队又在《Nature Computational Science》发表了其最新研讨，提出用于鉴于…- 7
- 0
-
图生成聚集模型综述：算法与在份子和蛋白质建模上使用
论文简要回顾了聚集模型在图数据上的算法及相关使用的若干研究。论文链接：：(Graph-based Data)可以保存现实世界实体（节点）之间丰富多样的关系信息，包括实体间的关联联系、属性特点、以及拓扑布局，已经在社交网络分析、推荐系统、生物信息学等领域有广泛的使用。图生成模型旨在理解和进修现有的图数据疏散，并合成新的图样本。这对于研究图数据中潜在的图布局关系，理解现有数据中的模式、关联和隐藏的信息…- 7
- 0
-
以大模型加速新药研发，成本降低70%：一家大厂的「云端」实战
最近几年，AI 加持下的新药研发成为被寄予厚望的赛道之一。从流程上看，药物研发分为药物发明、临床前研究、临床研究、审批与上市四个阶段。医药界有一个「双十定律」的说法 —— 即须要超过 10 年时间、10 亿美元的成本，才有可能成功研发出一款新药。即使如此，也只有约 10% 新药能被批准进入临床期。目前，AI 技巧的参与主要集中于药物发明阶段。挑战在于，虽然 AI 技巧加快了一部分工作的推进速度，但…- 7
- 0
-
AI for Science：人工智能改变化学领域，机械进修范式加速化学物质发明
随着人工智能技术兴起，在化学领域，传统的鉴于尝试和物理模型的方式逐渐与鉴于数据的机械进修范式融合。越来越多的用于计较机处理数据表明被开发出来，并不断适应着以生成式为主的统计模型。- 5
- 0
-
可微分骨架树：基于梯度的份子优化算法
这周我们简单介绍一个高效份子优化的方法。该工作由UIUC的Jimeng Sun组合MIT的Connor Coley组合作完成，对应的文章题目是Differentiable Scaffolding Tree for Molecule Optimization[1]，被2022年ICLR接受，主要的代码和数据发布在。内容：思路：基于梯度的份子优化份子的可微分骨架树类梯度上升的优化算法优化效果测试由可微…- 6
- 0
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×