AI+Drug Snapshot 23
- AI+Drug Snapshot | 250401 | Pharmolix-FM：一种基于全原子表示的多模态生成模型，用于统一药物设计任务
- AI+Drug Snapshot | 250331 | UniMoMo首次实现用单一模型设计多种分子类型的结合物
- AI+Drug Snapshot | 250330 | QuickProt是用于DIA和PRM质谱蛋白质组学数据集分析和可视化的工具，可提高分析效率
- AI+Drug Snapshot | 250329 | OpenComplex能统一预测蛋白质、RNA及蛋白质-RNA复合物的三维结构
- AI+Drug Snapshot | 250328 | 通过少样本学习整合AlphaFold2，预测突变诱导的相对蛋白质-配体结合亲和力变化
- AI+Drug Snapshot | 250327 | IgCraft, 一种基于贝叶斯流网络的多功能配对人类抗体序列生成模型，统一解决多种抗体序列设计任务
- AI+Drug Snapshot | 250326 | ProteiNN为蛋白质结构预测研究提供了新的思路和方法，推动了结构生物信息学的发展
- AI+Drug Snapshot | 250325 | GDF-DDI，一种基于图对比学习和双视图融合的药物相互作用预测模型
- AI+Drug Snapshot | 250324 | TopEC，一种基于3D图神经网络和局部3D描述符的酶分类预测工具，为酶功能预测提供了新的工具
- AI+Drug Snapshot | 250323 | Nature | geneBurdenRD, 一个罕见变异基因负担分析框架
- AI+Drug Snapshot | 250322 | AMCGRL通过跨域解码器和层次化互注意力机制捕捉复杂分子间相互作用模式
- AI+Drug Snapshot | 250321 | DrugFlow通过多领域分布学习，生成蛋白质结合分子的三维结构，并扩展了蛋白质侧链构象的采样
- AI+Drug Snapshot | 250320 | DTIAM通过自监督预训练从大量无标签数据中学习药物和靶标的表示，显著提升了冷启动场景下的预测性能
- AI+Drug Snapshot | 250319 | LigUnity利用对比学习，采用列表排序方法，在虚拟筛选和先导化合物优化中均表现出色
- AI+Drug Snapshot | 250318 | DTIAM通过从大量无标签数据中学习药物和靶点的表示，提高了下游任务的预测性能
- AI+Drug Snapshot | 250316 | 基于深度学习的GluN1/GluN3A受体抑制剂的高效筛选
- AI+Drug Snapshot | 250315 | DockEM通过局部密度图和物理能量优化，结合REMC模拟，实现了高精度配体定位
- AI+Drug Snapshot | 250314 | DyRAMO结合了贝叶斯优化和生成模型，实现了多目标优化与预测可靠性的平衡
- AI+Drug Snapshot | 250313 | Llama-Gram通过整合蛋白质折叠嵌入、图分子表示和不确定性估计，解决了幻觉问题
- AI+Drug Snapshot | 250312 | CheapVS通过整合专家知识、多目标优化和扩散模型，有效解决了虚拟筛选中的长期挑战
- AI+Drug Snapshot | 250311 | KGDRP结合基因表达数据、化学分子结构和生物网络信息，解决了药物冷启动问题
- AI+Drug Snapshot | 250310 | MDFCL通过多模态数据融合和自适应增强策略，有效提升了分子性质预测的准确性
- AI+Drug Snapshot | 250309 | P2DFlow：一种基于SE(3)流匹配的蛋白质构象集合生成模型