入选ICML!人大团队将等变图神经网络用于靶蛋白结合位点预测,性能...
中国人民大学高瓴人工智能学院的研究团队首次将E(3)等变图神经网络(GNN)应用于配体结合位点预测,提出名为EquiPocket的框架,有助于药物发现等各种下游任务。生命系统中,几乎所有生物和药理过程都涉及受体(靶蛋白)和配体(小分子)之间的相互作用,这些相互作用发生在靶蛋白结构的特定区域,称为「结合位点」——...
...蛋白质定向进化,上海交大洪亮课题组发表微环境感知图神经网络...
为此,上海交通大学洪亮课题组研发了一种名为PROTLGN的微环境感知图神经网络,能够从蛋白质三维结构中学习并预测有益的氨基酸突变位点,指导具有不同功能白质单位点突变和多位点突变设计,超过40%的PROTLGN设计单点突变体蛋白质优于其野生型对应物。成果已发表在JCM。PROTLGN:轻量级图神经去噪网络的搭建PROT...
AI小分子药物发现的「百科全书」,康奈尔、剑桥、EPFL等研究者综述...
图神经网络(GNNs)常用于建模图结构分子数据,基于相邻节点更新节点和边特征。在三维信息可用且相关时,几何GNNs常用于捕捉三维空间中的应用相关对称性,如平移和旋转不变性或等变性。表示粒度是生成模型设计中的另一个考虑因素。通常,方法利用原子或分子片段作为生成期间的基本组成单元。基于片段的表示将分子结构细化为...
AI4Science基石:几何图神经网络,最全综述来了
虽然已经有一些工作利用LLMs进行某些任务,例如分子属性预测和药物设计,但它们仅在基元或分子图上操作。如何将它们与几何图神经网络有机组合,使其能够处理3D结构信息并在3D结构上执行预测或生成,仍然具有相当的挑战性。4.等变性约束条件的放松毫无疑问,等变性对增强数据效率和模型泛化能力至关重要,但值得...
AI赋能药物发现加速!巨头抢滩,最新技术、国内玩家布局盘点
(1)AI生成模型在药物设计领域应用AI生成模型在全新药物设计领域具有巨大的优势,因为它们在生成分子时不需要先验的化学知识。这些模型可以在更广阔的未知化学空间中进行搜索,超越现有分子结构的限制,自动设计新的分子结构。在新药设计中,广泛使用的深度生成模型包括基于循环神经网络(RNN)的生成模型、变分自编码器(VAE)和...
2024 AI+蛋白质行业研究报告|智药研究
技术创新是推动蛋白质结构预测领域发展的主旋律,目前,DeepMind、ProfluentBio、GenesisTherapeutics等均以蛋白质预测为主要研究方向(www.e993.com)2024年9月10日。国内百图生科、分子之心、华深智药、深势科技等公司也在深入探索该领域。蛋白质从头设计作为一种前沿的生物技术,通过计算生物学和人工智能的深度融合,研究人员能够设计出具有特定结构...
年度重磅!2023年AI制药行业报告发布
当前应用在制药中的人工智能算法包括机器学习、深度神经网络、深度强化学习等多种类别,在不同的领域中各有优劣。人工智能算法的支撑层包括数据和算力,数据的主要来源包括实验数据库、开源数据库(文本&结构)、物理模拟生成的数据库以及清理公开信息后构建的数据库;算力支持则依仗CPU、GPU等硬件设备。
华为盘古大模型专题报告:让AI重塑千行百业
盘古科学计算大模型是面向气象、医药、水务、机械、航天航空等领域,采用AI数据建模和AI方程求解的方法;从海量的数据中提取出数理规律,使用神经网络编码微分方程;使用AI模型更快更准的解决科学计算问题。在气象预测、药物分子等多个典型场景,提供AI技术支撑。
AI小分子药物发现的百科全书,康奈尔等研究者综述登Nature子刊
许多实验验证的研究目标是激酶,这是ChEMBL等流行开源数据集中的常见靶点。绝大多数目标导向的方法使用强化学习(单独或作为组件)作为优化算法,包括基于配体和基于结构的药物设计。AlphaFold预测的结构可以成功用于生成结构的药物设计。未来方向尽管机器学习算法为小分子药物发现带来了曙光,但是还有更多的挑战与机遇需...
Nature | 抗体设计的未来:AI技术助力挑战传统药物研发
抗体序列优化:利用深度学习模型,研究人员可以预测抗体变异对其亲和力和特异性的影响,从而指导更有效的抗体序列设计。结构预测:AI模型能够根据已知的蛋白质序列预测其三维结构,这对于理解抗体如何与其特定抗原结合至关重要。亲和力改进:通过分析大量的抗体-抗原互作数据,神经网络可以发现提高抗体亲和力的设计原则。