![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
分子生成
文章平均质量分 96
wufeil
这个作者很懒,什么都没留下…
展开
-
分子属性梯度引导的3D分子生成扩散模型 TAGMOL - 评测
TAGMoL 是一个基于分子属性条件引导扩散的3D分子生成模型,适合在给定靶标蛋白质的情况下,可以生成一系列满足目标特性(分子属性,binding affinity)的候选分子。。原创 2024-08-25 13:21:20 · 173 阅读 · 0 评论 -
评估生成分子/对接分子的物理合理性工具 PoseBusters 评测
PoseBusters 是一个基于 RDKit 的 Python 包,通过一系列标准检查配体对接姿势的化学有效性和物理合理性。来源于牛津大学统计学系 Martin Buttenschoen、Garrett M. Morris 和 Charlotte M. Deane 合作的文章:《PoseBusters: AI-based docking methods fail to generate physically valid poses or generalise to novel sequences》。。原创 2024-08-04 22:03:57 · 1001 阅读 · 0 评论 -
SQUID - 形状条件下的基于分子片段的3D分子生成等变模型 评测
基于形状的虚拟筛选在基于配体的药物设计中至关重要,主要目的是识别与已知配体具有相似 3D 形状的分子。传统方法(例如:openeye 的 ROCS)依赖于枚举的化学库,这限制了新化学空间的探索。为此,作者开发了SQUID模型。SQUID 是在 形状条件下 3D 分子生成模型,可以用于在形状条件下的化学空间探索任务。原创 2024-07-21 15:05:42 · 1121 阅读 · 0 评论 -
药物设计中的SE3等变图神经网络层- EGNN 代码解析
此部分内容介绍了常用在药物设计深度学习中的SE3等变网络层 EGNN。主要对EGNN的代码逻辑、模块进行解析,并介绍其中的SE3等变在模型中的原理。原创 2024-06-04 23:43:49 · 1338 阅读 · 0 评论 -
3D分子生成的定制扩散框架 MolDiff - 评测
作者提出了对原子和分子键同时进行概率采样的扩散模型MolDiff。MolDiff基于SE3等变神经网络,同时进行原子和化学键的消息传递。原创 2024-05-12 16:47:20 · 1459 阅读 · 3 评论 -
PMDM-针对特定口袋的分子扩散生成模型 评测
PMDM 模型是腾讯AI Lab近期发表在Nature Communication上的分子生成文章。PMDM通过二元等变扩散网络,利用全局和局部分子动力学信息,将目标口袋的 3D 结构感知为条件信息,并结合分子和蛋白质之间的相互作用,学习分子概率。PMDM可以生成结构有效且构效合理的,契合口袋的3D分子。本文以自己的3WZE体系为例子,使用作者开源的代码和checkpoint,对PMDM莫进行测评原创 2024-04-13 21:04:14 · 1617 阅读 · 6 评论 -
口袋条件下的Lead优化几何深度模型-Delete 评测
Delete 模型是浙江大学侯廷军老师发表2023年8月4日在arXiv上的文章,文章名:Delete: Deep Lead Optimization Enveloped in Protein Pocket。Delete 模型基于mask策略,按照作者的描述,首先是随机掩码预训练模型,然后是应用于骨架跃迁、linker设计,片段延伸、侧链修饰的四个微调模型。通过,vina energy等分析,发现 Delete 模型生成的分子可能具有更好的活性。原创 2024-03-24 20:37:56 · 1339 阅读 · 2 评论 -
基于片段的3D分子生成扩散模型 - AutoFragDiff 评测
本文是AutoFragDiff模型的测评文章。传统的,基于口袋的3D分子生成网络的常用方法是自回归模式,模型放置原子和原子键是迭代的,逐个进行。但是这种方式会导致误差的积累,同时生成速度较慢,生成苯环分子也需要6个步骤。而使用基于分子片段的自回归方法可以避免这个问题。作者使用使用几何矢量感知器和自回归扩散模型 Autoregressive Diffusion Models (ARDMs),以自回归的模式,分子骨架和蛋白质口袋为条件下,逐个预测新分子片段的原子类型和空间坐标。原创 2024-02-10 08:57:05 · 1532 阅读 · 0 评论 -
知识引导的分子生成扩散模型 - KGDiff 评测
KGDiff模型是一个基于口袋的知识引导的3D分子生成的扩散模型。基于口袋的分子生成模型之前有介绍过targetdiff,FLAG等。其中,KGDiff与TargetDiff类似,KGDiff模型也是一个扩散模型,应针对的是口袋条件下的3D分子生成。KGDiff的创新点在于:KGDiff模型利用领域知识,例如,vina score,指引分子生成过程中的去噪过程,可生成高结合力的分子。此外,KGDiff还是一个原子层级可解释性的模型,在生成分子时,同时给出生成分子预测score,原子层面的score。原创 2024-01-11 21:06:13 · 1720 阅读 · 0 评论