标签
论文介绍了DPTM-DT，这是一个用于多任务药物-靶点预测的双预训练Transformer框架，它结合了分子图嵌入、蛋白质语言模型嵌入和物理化学描述符，在基准数据集上实现了最先进的性能。
本文提出CPES，一种曲率感知势能面图神经网络，用于蛋白质-配体结合亲和力预测。它整合了物理启发的曲率表示来建模构象灵活性，并在基准数据集上实现了改进的预测性能。
ToolMol是一个进化式智能体框架，结合了多目标遗传算法和基于LLM的操作符，用于设计小分子药物，在多个蛋白质靶点上实现了最先进的结合亲和力和类药性。