virtual-screening

OPDiv是一种算法，通过整数优化平衡评分和多样性，优化虚拟筛选中多样化高分化合物的选择，从而解决化学信息学流程中的权衡问题。

PETA提出了一种参数高效的框架，用于虚拟筛选中的测试时自适应，仅在推理时更新LayerNorm参数以提高性能。

本文对预训练分子语言模型在虚拟筛选中的应用进行了基准测试，并证明显式领域适应能提升其在药物发现、材料和催化库中的性能和样本效率。

本文揭示了标准边际共形预测在不平衡虚拟筛选数据集中无法覆盖少数类，并展示了类条件（Mondrian）共形预测如何恢复每类覆盖。

介绍了 BoBa，一种基于强盗引导的代理优化框架，通过自适应地在动作空间的分区上分配计算，消除了全库推理，从而实现对超大型化学库的高效虚拟筛选。