Jun, 2024

Bioptic - 一种基于疗效的无偏向目标的小分子搜索引擎

PDF
TL;DR通过开发目标不确定、以效能为基础的分子搜索模型，我们能在具有类似生物活性的分子中找到结构不相似的分子。我们使用最佳实践设计了一种快速检索系统，通过处理器优化的 SIMD 指令，可以在 100% 的召回率下筛选超大型的 Enamine REAL 化合物库，并对该模型及其他最先进模型进行了广泛的性能和检索质量的基准测试。
virtual screeninglarge modelschemical librariesmolecule search modelbiological activities
发现论文，激发创造
  • 巴雷托优化加速多目标虚拟筛选

    在多目标优化问题中，通过使用多目标贝叶斯优化方法，可以减少多属性虚拟筛选的计算成本，并成功地在三个案例研究中展示了 Pareto 优化的优越性。此外，我们使用开发的优化工具搜索了包含四百万种分子的虚拟库，仅探索了该库的 8% 即获得了该库 Pareto 前沿的 100%。这一工作流程和相关开源软件可以减轻分子设计项目的筛选负担，并且与提高结合预测准确性和其他分子特性相关的研究是互补的。

    Oct, 2023

  • 通过基于分子池的主动学习加速高通量虚拟筛选

    本研究探讨使用基于贝叶斯优化技术的代理模型在虚拟筛选过程中的应用，针对蛋白质 - 配体配对数据集进行实验，结果表明通过此模型可显著减少计算成本，并可用于高通量筛选等领域。

    Dec, 2020

  • 大规模预训练提高了基于主动学习的分子虚拟筛选的样本效率

    预训练的基于转换器的语言模型和图神经网络在贝叶斯优化主动学习框架中表现良好，仅通过筛选超大型库中的 0.6％，可以识别到排名前 50000 位化合物的 58.97％，与先前的最先进基准相比提高了 8％，在结构基础和配体基础药物发现中具有卓越的性能，可提高基于主动学习的分子虚拟筛选的准确性和样本效率。

    Sep, 2023

  • PharmacoNet：药理网络：通过药效团建模加速基于结构的虚拟筛选

    PharmacoNet 是一种深度学习框架，通过与生成的药效团配位体之间的粗粒化图形匹配，解决了现有方法中昂贵的配位体姿态采样和评分过程，从而显著提高了结构基准方法的速度，同时通过简单的评分函数保持了合理的准确性，并在严格的预筛选阈值下有效保留了命中候选物，揭示了药效团建模方法在基于深度学习的药物发现中迄今未被开发的潜力。

    Oct, 2023

  • ChemBO：具有可合成建议的小有机分子贝叶斯优化

    本文介绍了 ChemBO，一种用于生成和优化有机分子的贝叶斯优化框架，该方法探索合成图以高效生成可合成的有机分子，并通过实验证明了其高效性。

    Aug, 2019

  • 针对性治疗设计的潜在分子优化

    针对计算药物发现中的目标分子设计问题，作者们提出了一种新的方法，该方法利用图卷积网络提取目标位点的特征，将离散化的化学物质嵌入到连续潜在空间中，并使用不同可微模型进行药效和配合作用等性质的优化，从而成功发现了具有潜在绑定性的新分子。

    Sep, 2018

  • 抗体亲和力预测的主动学习

    通过活跃学习框架，加速搜索改进的结合剂，探索不同建模方法以识别最有效的代理模型，并在预先计算的数据池和真实的完整循环设置中评估我们的框架。

    Jun, 2024

  • SIU: 百万级结构化小分子 - 蛋白质相互作用数据集用于无偏生物活性预测

    这项研究介绍了一个包含超过一百万个结合结构及其真实生物活性标签的小分子 - 蛋白质相互作用全面数据集，用于推动无偏生物活性预测，并评估了几种经典模型在该数据集上的效果，结果表明无偏生物活性预测任务既具有挑战性又是必不可少的。

    Jun, 2024

  • 基于多模态分子结构文本模型的文本检索和编辑

    该研究介绍了一种新的多模态分子结构 - 文本模型 MoleculeSTM，它结合学习化学结构和文本描述，以有效利用化学领域中丰富的文本知识，同时提高药物设计的效率和创新能力，并在多个基准测试中获得了最先进的泛化能力。

    Dec, 2022

  • 针对目标的分子图生成

    本文提出了一种基于目标感知的分子药物生成模型：SiamFlow。通过引入一种对齐损失和均匀损失，强制流在潜在空间中匹配目标序列嵌入分布，进而解决化学方法在药物 - 靶标相互作用方面的局限性，并在药物研发中提供了一种连接生物学和化学的新方法。

    Feb, 2022