AIGC動態(tài)歡迎閱讀

原標題：比最優(yōu)技術(shù)快 8 倍：浙大侯廷軍等人提出 ResGen，基于蛋白質(zhì)口袋的 3D 分子生成模型
關(guān)鍵字：分子,蛋白質(zhì),模型,口袋,原子
文章來源：HyperAI超神經(jīng)
內(nèi)容字數(shù)：8903字

內(nèi)容摘要：

作者：彬彬
編輯：李寶珠，三羊
浙江大學與之江實驗室研究團隊提出了一種基于蛋白質(zhì)口袋 (protein pocket) 的 3D 分子生成模型——ResGen，與以往最優(yōu)技術(shù)相比，速度提升 8 倍，成功地生成了具有更低結(jié)合能和更高多樣性的類藥物分子。過去，創(chuàng)新藥物的發(fā)現(xiàn)往往依賴于古早配方或?qū)嶒炛械呐既唬缜嗝顾亍６嗄陙恚肿由飳W和計算化學的進步，使藥物設計模式實現(xiàn)了從盲目篩選到合理設計的轉(zhuǎn)變。
盡管如此，藥物研發(fā)設計仍然是一個多環(huán)節(jié)流程，鏈路長且成本高昂，每一個環(huán)節(jié)的效率提高都有巨大價值。近年來，隨著 AI、大數(shù)據(jù)等技術(shù)的廣泛應用，AI 輔助藥物設計也在一次次的實驗中愈發(fā)成熟，AI 正在藥物研發(fā)的多個環(huán)節(jié)進行著提效增質(zhì)的升級改革。
其中，高質(zhì)量的分子生成模型可以有效提升先導化合物發(fā)現(xiàn)的效率。目前，大多分子生成工作都采用了基于配體的方法 (LBMG)，然而該方法存在諸多局限性，例如無法考慮分子與靶標之間相互作用模式等。因此研究者們越來越關(guān)注基于結(jié)構(gòu)的分子生成 (SBMG,structure-based molecular generative) 的方法，即基于靶標結(jié)構(gòu)進行相應的分

原文鏈接：比最優(yōu)技術(shù)快 8 倍：浙大侯廷軍等人提出 ResGen，基于蛋白質(zhì)口袋的 3D 分子生成模型

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：HyperAI
作者簡介：解構(gòu)技術(shù)先進性與普適性，解讀更前沿的 AIForScience 案例