通过使用 AVIDa-SARS-CoV-2 数据集以评估抗体语言模型的表示能力，加速抗体疗法的发现与 AI 驱动的抗体发现的发展。

May, 2024

本文使用基于网络传播、网络邻近等人工智能算法对 6340 种药物进行评估，以便快速、可靠地筛选适合 SARS-CoV-2 感染的药物。结果表明，多模式方法比任何单一算法更好地预测了药物的有效性，并可为未来快速识别可重复用药提供方法学途径。

Apr, 2020

通过从多个公共数据源中创建和有效展示大规模数据集、基于不同有意义的策略将数据划分为训练、验证和测试集，并提供具体评估方案进行基准测试，本文提出了标准化已有数据资源的方法，并通过对现有神经网络模型的实验研究证明了其实用性和可行性。

Jan, 2024

开发了一种基于深度学习的异质网络方法，通过与 HCoVs 相关的靶蛋白构建综合异质网络，以发现可用于 COVID-19 的潜在药物，并取得了较高的预测性能。

Jul, 2021

利用 VHHs 的简单结构，作者建立了一个大规模的数据集 AVIDa-hIL6，以人源性细胞因子 IL-6 为抗原，包含 573,891 个抗原 - VHHs 氨基酸序列对，并且所有抗原 - VHHs 对都有可靠的标签进行分类，这个数据集可以用于预测抗体 - 抗原相互作用，研究人员进一步发现存在潜在的机器学习模型来预测有效的抗体。

Jun, 2023

我们描述了一种用于自动识别与病毒和宿主相关的命名分类和其他实体的新数据集，并进一步描述了使用预训练模型在该新数据集上进行命名实体识别（NER）任务的一些初步结果。我们建议，我们手动注释的摘要数据集现在为未来训练自动从科学出版物中提取宿主 - 病原体检测方法的 NER 模型提供了金标准语料库，并进一步解释了我们的工作如何自动从科学文献中预测重要的与人类健康相关的病毒溢出风险的概念。

May, 2023

CoVex 是一个基于网络医学算法的互动在线平台，能够将实验验证的病毒 - 人类蛋白相互作用、人类蛋白质 - 蛋白质相互作用和药物 - 靶标相互作用进行整合，以系统级别研究新冠病毒和 SARS-CoV-1 致病机理，进行药物再利用研究和候选治疗的优先级排序，是一项研究 COVID-19 药物的重要资源，提供给科学界直接访问整合了病毒 - 宿主 - 药物相互作用的网络医学算法。

Apr, 2020

本研究通过使用 Zinc 数据库和计算模拟方法，结合决策树、多层感知机、KNN、梯度提升等机器学习回归方法，快速筛选并确定了 13 种具有重要潜力的 FDA 批准药物，可用于治疗 COVID-19，并提供了一种快速识别潜在治疗药物的方法。

May, 2023

Therapeutics Data Commons（TDC）是系统评价整个疗法范围内机器学习的第一个统一平台，包括 66 个 AI-ready 数据集、22 个学习任务、33 个数据函数、23 种系统模型评估策略、17 个分子生成神器和 29 个公共排行榜，所有资源都通过开放式 Python 库集成和访问。该平台有助于算法和科学的进步，可以大大加速机器学习模型的开发、验证和转化到生物医学和临床应用中。

Feb, 2021

使用机器学习方法建立了一个新颖的三维生成模型 DiffSBDD，用于设计小分子配体与指定蛋白质靶点高度亲和并具有特异性。 DiffSBDD 通过生成出新型具有高结合能量的药物配体，展现了显著的效率和多样性。

Oct, 2022