暂无搜索历史
药物研发是人类最复杂的知识密集型产业之一。从靶点发现到新药上市,平均耗时超过10年,花费逾20亿美元,且失败率高达90%以上。造成这一困境的根本原因并非数据不足...
从苗头化合物(hit)到临床候选药物(candidate)的优化过程,是药物化学的核心实践。然而,长期以来,药物化学界对"成功优化究竟发生了什么"的认识,主要依...
新药研发的命中物到先导物(hit-to-lead)和先导物优化(lead optimization)阶段,药物化学家需要系统性地对活性分子进行结构修饰,以在效力...
小分子药物开发的核心前提,是找到靶蛋白上可被配体占据的结合位点(binding site / ligandable pocket)。这一步直接决定了后续虚拟筛选...
在药物发现的计算流程中,有一个常常被忽略、却至关重要的环节——如何将分子"翻译"成计算机可以学习的语言。这个过程,就是分子表示(Molecular Repres...
生物大分子(蛋白质、核酸、小分子配体)在生理条件下并非静态结构,而是处于持续的热力学运动之中。这种动力学行为决定了蛋白质的构象变化、酶的催化机制、受体的信号转导...
生成式 AI(Generative AI,简称 GenAI)正在以前所未有的速度改变各行各业。在制药领域,各大生物技术公司纷纷声称 AI 将颠覆药物发现——但临...
基于片段的药物发现(Fragment-Based Drug Discovery, FBDD)自 20 世纪 90 年代兴起以来,已发展为制药工业中成熟且高效的先...
本文是一篇由来自多家顶级制药企业的科学家联合撰写的综述,旨在将工业界在片段药物发现(Fragment-Based Drug Discovery, FBDD)领域...
抗体长期主导生化研究的亲和试剂市场,支撑着 Western blot、免疫沉淀(Co-IP)、流式细胞术等核心实验技术。然而其固有缺陷日益凸显:
AlphaFold-Multimer(AF2.3,2022 年 12 月发布)是当前蛋白质-蛋白质相互作用(PPI)结构预测的主流工具,被广泛用于判断两条蛋白链...
过去五年,基于深度学习(Deep Learning, DL)的从头分子生成方法迎来爆发式增长,仅报道的新方法就接近200种。代表性工作包括:
计算机辅助药物设计(Computer-Aided Drug Design, CADD)近年来借助人工智能获得了显著加速,但在实际落地中,一个长期被忽视的矛盾日益...
如果你正在训练神经网络,一定打开过 PyTorch 或 TensorFlow 的文档,看到密密麻麻的优化器选项——SGD、Adam、RMSprop、Adagra...
本文提出了 MEHC-Curation,一个基于 Python 的开源分子数据集清洗框架。它将领域内被引用超过 1000 次、却从未有完整代码实现的 Fourc...
过去十年,人工智能在分子设计领域取得了革命性进展。深度生成模型(Deep Generative Models, DGMs)、强化学习(Reinforcement...
计算辅助分子设计(Computational-Aided Molecular Design, CAMD)正在从"经验驱动"走向"数据驱动"。图神经网络(GNN)...
AlphaFold2 的问世开创了蛋白质单体三维结构预测的新时代,使研究者得以以前所未有的规模获取蛋白质结构信息。然而,生物学现实是:蛋白质极少以孤立单体的形式...
近年来,AI 驱动的蛋白质结构预测取得了里程碑式的进展。当前主流方法可归为两大范式:
自2021年 AlphaFold2 横空出世以来,深度学习驱动的蛋白质结构预测已经深刻改变了结构生物学的面貌。2024年,AlphaFold3(AF3)进一步将...
暂未填写公司和职称
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市