标签
本文在3D空间约束下，将通用LLMs与专门的扩散模型进行对比基准测试，以生成结合分子。结果显示，尽管LLMs目前落后于最先进的方法，但它们展现出了潜力。
Vilya-1是一种深度学习模型，用于预测大环结构及其性质。它采用全原子表示来采样构象并预测可开发性，在几何精度上相比现有方法有显著提升。
本文介绍化学家蒂姆·塞尔纳克（Tim Cernak），他运用AI驱动的药物设计（如AlphaFold）为野生动物开发精准疗法，并首创“保护化学”这一领域，用尖端工具应对大规模灭绝。
介绍了ShallowBench，一个精心整理的包含5,780个浅口袋蛋白质靶标的基准测试，用于评估针对如KRAS和MYC等具有挑战性的低口袋性靶标的生成式药物设计模型。
本文介绍了 PROBE，一个利用 LLM 代理通过在编辑前探测口袋-配体复合物响应来迭代优化基于结构的药物设计中的配体的框架，其在 CrossDocked2020 上取得了最先进的结果。
介绍了AIMS-Fold，一种推理时引导扩散框架，整合了交联质谱（XL-MS）和氢-氘交换（HDX-MS）数据，以改善针对诱导接近药物靶点的蛋白质共折叠预测。
本文正式将基于转录组的药物设计（TBDD）形式化为一个生成式逆问题，并提出了CURE——一个多分辨率转录组引导的扩散框架，能够生成以所需转录组状态转变为条件的药物分子。