【AIDD】2024 Nature Computational Science DiffSBDD Structure-based drug design with equivariant

已于 2025-04-02 15:16:15 修改
阅读量753 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 医疗影像 文章标签： 人工智能 AIDD
于 2025-03-28 10:50:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lj2048/article/details/146584798

目录

1、简介

2、DiffSBDD

摘要

Intro

用于 SBDD 的等变扩散模型

DiffSBDD 捕捉潜在数据分布

从已知子结构生成化学物质

迭代搜索更好的分子候选物

结论

方法

去噪扩散概率模型

等变性

SE (3) 等变图神经网络

修复

等变性

重采样

实现细节

分子大小

 特征化

噪声调度

特征缩放

后处理

对整个 Binding MOAD 测试集修复的定量评估

分子修复案例研究

迭代分子优化

实验设置

数据集

基线

评估指标

统计和可重复性

软件

报告总结

数据可用性

代码可用性

3、参考

1、简介

论文标题：Structure-based drug design with equivariant diffusion models

论文地址：Structure-based drug design with equivariant diffusion models | Nature Computational Science

论文代码：https://github.com/arneschneuing/Diff

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【AIDD】AI药物研发学前基础--团队大佬
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
01-14 753
要想了解一个课题，首先需要对该领域的团队和大牛有一个简单的认识，然后开启follow学习。
【AIDD】2023 ICLR targetdiff 3D Equivariant Diffusion for Target-Aware Molecule Generation & Affinity
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
03-31 337
论文标题：3D Equivariant Diffusion for Target-Aware Molecule Generation and Affinity Prediction基于三维等变扩散的靶点感知分子生成与亲和力预测论文信息：2023 ICLR马剑竹-清华大学智能产业研究院在靶向药物设计过程中包含3D结构显示出优于其他无靶模型的性能。然而，当前的针对靶标的3D模型要么依赖于原子体素化的网格信息，要么依赖于自回归采样过程。同时由于存在旋转不等变问题，这些方案容易违反几何约束，导致结构不真实。
DiffSBDD使用与安装指南
gitblog_01117的博客
10-11 931
DiffSBDD使用与安装指南 项目概述 DiffSBDD，即“基于结构药物设计的欧几里得扩散模型”，是由Arne Schneuing等人开发的一个开源项目。该项目旨在利用等变扩散模型进行结构导向的药物设计。通过这个工具，研究人员可以进行药物分子的从头设计、子结构补全以及现有分子的优化，且提供了跨对接（CrossDocked）和Binding MOAD两个基准数据集上的预训练模型。 1. 目录结构...
2024-AIDD-人工智能药物设计设计思路-Artificial Intelligence for Drug Design
itwangyang520的博客
05-10 1104
在进行AIDD时，需要综合考虑多个因素，包括靶点的生物学特性、化合物的化学结构、药物的药动学和药效学特性等。此外，还需要关注药物的安全性和耐受性。
2024- 人工智能药物设计- AIDD- 胶质母细胞瘤的相关论文研究
itwangyang520的博客
05-10 1032
2024- 人工智能药物设计- AIDD- 胶质母细胞瘤的相关论文研究
书籍推荐|《Computational Methods for Rational Drug Design》574页
qq_39889473的博客
08-20 695
Computational Methods for Rational Drug Design》涵盖药物设计的工具和技术，并将其应用于小分子疗法的发现，详细介绍方法论和实际应用，并探讨人工智能/机器学习等技术以及未知受体结构的药物设计所面临的挑战。Nisha Kumari Singh、Nigam Jyoti Maiti、Manshi Mishra、Shantanu Raj、Gourav Rakshit、Rahul Ghosh 和 Sharanya Roy。
AIDD-人工智能药物设计-变扩散模型DiffSBDD
itwangyang520的博客
01-16 1461
图2a显示，DiffSBDD和Pocket2Mol的Vina评分都集中在参考值附近，但扩散模型的分布范围更广，这表明其生成的样本中包含更多得分较低的分子，同时也包含潜在结合力可能强于天然配体的配体。为了提高计算效率，作者为配体和结合口袋节点之间的分子间边，以及同一分子中两节点之间的分子内边，定义了可独立调节的距离阈值（图1b）。而在作者提出的方法中，仅需定义一个简单的二进制掩码，就足以使扩散模型推广到任何修复任务，同时使用的是在所有可用蛋白质-配体原始数据上训练的神经网络。
【AIDD药物研发】张载熙-生成式AI4药物发现
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
01-13 394
最近需要简单了解喜爱AIDD流程以及相关进展调研，看到zaixi zhang正在做相关研究，进行下面的学习记录张载熙中国科学技术大学计算机科学与技术学院2021级博士生（导师刘淇教授），认知智能全国重点实验成员，本科毕业于中国科学技术大学少年班学院。博士阶段研究方向是AI for Science和可信可解释机器学习，以第一作者身份发表CCF-A学术论文9篇，多次获得会议亮点论文(Spotlight)，相关成果已被国际同行引用近900次，引用者包括图灵奖得主Yann LeCun等著名学者。
AIDD-人工智能药物-pyecharts-gallery
itwangyang520的博客
04-13 508
2.0.32.0.3。
【选题建议】人工智能技术应用专业毕业设计选题汇总 2025-2026 最新最全研究方向汇总
Hai_Lang_IT的博客
10-30 876
为计算机专业学生提供毕业设计选题指导，涵盖人工智能技术应用的多个方向，包括机器学习、计算机视觉、自然语言处理和智能推荐系统。针对各研究方向，提供了具体的选题示例，帮助学生理解实际应用场景。同时强调了选题的重要性，建议根据自身知识储备选择难度适中的题目，确保项目工作量和完成度。文章还提供了选题帮助渠道，帮助学生解决开题和技术难题，以便更好地完成毕业设计。
第七章（三）VLA
qq_37087723的博客
11-04 887
VLA模型介绍，主要是RDT和pi0
Secertpad搭建
fluency_11的博客
11-02 229
但是要注意secertpad中组件主要面向纵向联邦学习，并且占据内存较大。
QLoRA基础知识和微调原理学习
缘友一世的博客
11-01 1351
QLoRA基础知识和微调原理学习
智能电器：重构生活的科技力量
WLJT123123123的博客
10-31 747
人工智能算法的迭代则赋予电器“思考能力”，通过学习用户的使用习惯，精准匹配个性化需求——比如美的焕新风系列智能空调，能联动人体传感器捕捉用户的体温变化和作息规律，自动调节温度与风速，还能实时监测室内空气质量并启动新风换气；兼容性不足是用户最常遇到的困扰——比如家中同时使用美的的智能空调、海尔的智能冰箱和格力的智能热水器，三者可能分别依赖美的美居、海尔智家、格力+三个不同的APP控制，无法实现互联互通，形成“信息孤岛”，想要设置“回家模式”同时启动多个设备十分繁琐；
从零开发直播美颜sdk：核心功能模块、架构设计与跨平台技术方案详解
最新发布
q1031691172的博客
11-05 504
在当下的直播与短视频浪潮中，“颜值即生产力”。一款优秀的直播美颜SDK，不仅能显著提升用户体验，更是直播平台拉新与留存的关键技术。本文将从开发者视角，拆解直播美颜SDK的核心功能模块、底层架构、跨平台实现思路与性能优化方案。
电子电气架构（EEA）最新调研-5
weixin_45432950的博客
11-02 1189
超越计划”旨在利用最新的数字技术，如先进的人工智能、机器学习以及信息和组网技术，提高全球舰队的战备水平，并通过海军作战架构（Naval Operational Architecture，NOA）将有人和无人平台、武器和传感器连接在一起，打造更具杀伤力、互联能力更强的未来舰队，以此支持美海军和海军陆战队的分布式海上作战（DMO）概念，乃至美军全军层面的JADC2构想。完整的 MDA 应用程序包括一个确定的 PIM，以及一个或多个 PSM 和完整的实现，每个平台的实现由应用程序开发者决定支持的计算平台组成。
长短记忆网络 LSTM，C++
天天向上的专栏
11-02 835
本文介绍了LSTM网络的基本原理和训练方法。针对RNN存在的梯度消失问题，LSTM通过引入记忆单元和门控机制，能够有效保存长期依赖信息。文章详细阐述了LSTM的三个关键门控单元（遗忘门、输入门、输出门）的计算公式，以及记忆单元的更新方式。在训练部分，描述了多层LSTM的前向传播过程，并推导了基于时间反向传播（BPTT）的权重更新方法，包括梯度递推关系和参数更新公式。最后简要提及了使用SGD等优化算法进行参数更新的过程。这些内容为理解和实现LSTM网络提供了理论基础。
【PaddleOCR-VL】基于PaddleOCR-VL构建论文格式规范器
这里有最新的AI应用资讯，这里有最全的AI应用体验场景.
11-04 551
摘要：本项目开发了一个基于PaddleOCR-VL和大语言模型的智能文档转换系统，可将学术论文PDF自动转换为标准LaTeX格式。系统通过OCR识别文档中的文本、表格、公式等多模态内容，经Markdown中间格式处理后，利用大模型完成LaTeX格式转换。该系统支持109种语言文档处理，显著提升学术文档准备效率，适用于期刊投稿、会议论文等多种场景。关键技术包括轻量高效的PaddleOCR-VL(0.9B参数)文档解析、智能分段处理和大模型驱动的格式转换，实现从PDF到LaTeX的端到端自动化流程。
AI智能体如何让用户洞察更简单、更快速、更精准
Tezign_space的博客
10-31 608
传统用户调研存在样本偏差、结果滞后、执行成本高等痛点。在当前的AI技术发展趋势下，基于AI智能体技术从社交平台抓取真实用户言论，生成典型用户画像并进行模拟访谈，10-20分钟内输出结构化洞察报告的方法正在改变行业格局。本文通过三个实战场景展示其在新品验证、竞品分析、市场监测方面的应用价值。AI用户洞察工具提供的价值已经比较明确：对品牌管理者来说，它是将市场的嘈杂讨论重新编排为决策线索的"信息翻译器"；对产品经理，它让你在定义功能时不再仅凭主观想象；对营销人员，它是一种"反向理解消费者"的机制。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

静静喜欢大白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值