Nature子刊,准确率达96%,AI从序列中展望蛋白-配体互作
编辑 | 萝卜皮在药物研发中,确定小分子配体对蛋白质的分离亲和力和性能效力至关重要。目前的计算要领可以展望这些蛋白质-配体相互作用特性,但如果没有高分辨率的蛋白质布局,通常会失去准确性,并且无法展望性能效力。莫纳什大学(Monash University)和格里菲斯大学(Griffith University)的研讨人员开发了 PSICHIC(PhySIcoCHemICal graph neura…- 41
- 0
登Nature子刊,拓扑Transformer模型从事多标准蛋白质-配体互作猜测,助力药物研发
编辑 | 萝卜皮一项新的人工智能应用将帮助研讨职员提高药物研发能力。该项目名为 TopoFormer,是由美国密歇根州立大学(Michigan State University)数学系 Guowei Wei 教授领导的跨学科团队开发的。TopoFormer 将份子的三维信息转化为典型的基于人工智能的药物相互作用模型可以利用的数据,扩展了这些模型猜测药物有效性的能力。「有了人工智能,你可以让药物研发…- 13
- 0
准确率达0.96,从序列中展望蛋白-配体互作的物理化学制约图神经网络
编辑 | 萝卜皮在药物研发中,确定小分子配体对蛋白质的分离亲和力和功效效力至关重要。目前的计算要领可以展望这些蛋白质-配体相互作用特性,但如果没有高分辨率的蛋白质构造,通常会失去准确性,并且无法展望功效效力。莫纳什大学(Monash University)和格里菲斯大学(Griffith University)的钻研人员开发了 PSICHIC(PhySIcoCHemICal graph neura…- 6
- 0
成功率超越RoseTTAFold系列,用序列信息直接预计卵白质-配体复合物构造
编辑 | 萝卜皮卵白质-配体连接是药物发现和开发中一种成熟的工具,用于缩小实验尝试的潜在治疗范围。然而,高质量的卵白质构造是必需的,而且卵白质通常被视为完全或部分刚性的。在这里,柏林自由大学(Freie Universität Berlin)的研究人员开发了一个人工智能系统,可以直接从序列信息预计卵白质-配体复合物的完全柔性全原子构造。虽然经典连接格式仍然更胜一筹,但这也取决于目标卵白质的晶体构造…- 19
- 0
「AI+物理先验常识」,浙大、中国科学院通用蛋白质-配体相互作用评分格式登Nature子刊
编辑 | X蛋白质就像是身体中的精密锁具,而药物份子则是钥匙,只有完美契合的钥匙才能解锁治疗之门。科学家们一直在寻找高效的格式来预测这些「钥匙」和「锁」之间的匹配度,即蛋白质-配体相互作用。然而,传统的数据驱动格式往往容易陷入「死记硬背」,记住配体和蛋白质训练数据,而不是真正进修它们之间的相互作用。近日,浙江大学和中国科学院研讨团队,提出了一种名为 EquiScore 的新型评分格式,利用异构图神…- 11
- 0
结合量子特征、2万个份子动力学模拟,新蛋白-配体复合物ML数据集,登Nature子刊
编辑 | 枯叶蝶大型语言模型极大地增强了科学家理解生物学和化学的能力,但鉴于构造的药物发明、量子化学和构造生物学的可靠方法仍然很少。大型语言模型迫切需要精确的生物份子-配体相互作用数据集。为了解决这个问题,德国亥姆霍兹慕尼黑研讨中心构造生物学所和慕尼黑工业大学的研讨职员,提出了 MISATO。这是一个数据集,它结合了小份子的量子力学(QM)特性,还有约 20,000 个实行蛋白质-配体复合物的相关…- 6
- 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
5天完成6个月尝试量,减速催化研讨,「主动驾驭」催化尝试室Fast-Cat登Nature子刊
编辑 | 紫罗「主动驾驭尝试室」是未来?今年 1 月底,荷兰阿姆斯特丹大学开发自立化学合成 AI 机器人「RoboChem」。一周内,可以优化大约 10~20 个分子的合成。这需要博士生几个月的时间。还有去年 DeepMind 团队开发的自立尝试室 A-Lab,17 天自立合成 41 种新化合物。卡内基梅隆大学的 Coscientist,自立设计、规划和执行复杂的科学尝试......现在,来自美国…- 12
- 0
更高准确性,覆盖蛋白、核酸、复合物等更多份子,DeepMind发布AlphaFold新版本
编辑 | ScienceAI自 2020 年发布以来,AlphaFold 彻底改变了人们对蛋白质及其相互作用的了解方式。Google DeepMind 和 Isomorphic Labs 一直在共同努力,为更强大的 AI 模型奠定基础,将覆盖范围从蛋白质扩张到全方位的生物相关份子。2023 年 10 月 31 日,该钻研团队分享了下一代 AlphaFold 的最新进展。其最新的模型现在可以对蛋白质…- 3
- 0
可预计蛋白质-配体连系亲和力,之江实验室&百度&港科大团队开发鉴于曲率的自顺应图神经网络
编辑 | 萝卜皮准确预计蛋白质和配体之间的连系亲和力对于药物发现至关重要。图神经网络(GNN)的最新进展在进修蛋白质-配体复合物的表示以估计连系亲和力方面取得了重大进展。为了提高 GNN 的性能,经常需要从几许角度钻研蛋白质-配体复合物。虽然「现成的」GNN 可以包含分子的一些基本几许布局,例如间隔和角度,通过将复合体建模为同亲图,这些解决方案很少考虑更高级别的几许属性,例如曲率和同源性,以及异亲…- 39
- 0
配体
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥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:×
没有优惠劵可用!