是因为数据库自己校验的过程越多，性能便消耗的越严重，对于数据的保存的功能会有所影响，所以用代码进行剥离开，从而减少数据库的校验

基因序列到功能的预测是人类遗传学的重要挑战，尤其是在从生物序列推断细胞类型特异性的多组学表型方面。研究人员开发了 UNICORN，一个基于多任务学习的计算框架，...

为评估模型性能，研究人员设计了严格的“骨架簇划分”（scaffold-cluster splitting）策略，以验证模型在未知化学空间中的泛化能力。随后，GN...

计算机辅助药物设计依赖于准确的评分函数来预测蛋白–配体相互作用的结合亲和力。然而，PDBbind 数据库与评分函数比较评估基准（CASF）之间存在严重的训练–测...

在药物研发领域，药物代谢预测始终是药代动力学研究的核心难题。一方面，酶促反应的机制复杂性让实验解析成本居高不下；另一方面，现有计算工具要么局限于单一预测任务，要...

LDM-3DG 的团队用数学语言阐明了这个直觉。他们证明，3D图扩散模型的性能上界取决于三个因素：

在AI驱动药物发现的浪潮中，靶标感知分子生成模型被寄予厚望——它们理论上能精准锚定蛋白质靶标特征，高效生成具有潜在活性的新型化合物，大幅缩短早期药物研发周期。但...

基于结构的药物设计（SBDD）旨在利用蛋白三维结构生成能够与靶点高效结合的小分子。然而，现有扩散模型在三维分子生成中往往偏离物理可行的化学流形，导致生成分子稳定...

下表对比了不使用对比学习、使用 β-VAE 正则化以及完整 LDMol 的性能差异。去除对比学习损失后，性能发生灾难性崩溃——分子有效性从 94.1% 降至 1...

人工智能正在深刻改变精准有机合成领域。数据驱动方法，特别是机器学习和深度学习，在反应性能预测与合成规划方面展现出巨大潜力。然而，数值回归驱动的反应性能预测与基于...

期刊: Science 链接: https://doi.org/10.1126/science.adv9817 代码: BioEmu 模型及推理代码： http...

期刊: arXiv 链接: https://www.arxiv.org/abs/2508.06364 代码: https://github.com/e-yi/A...

期刊: bioRxiv 链接: https://doi.org/10.1101/2024.12.10.627863 代码: https://github.com...

期刊: Digital Discovery 链接: https://doi.org/10.1039/d5dd00012b 代码: https://github....

期刊: arxiv 链接: https://www.arxiv.org/abs/2508.03159 代码: https://github.com/dmis-l...

期刊: Journal of Medicinal Chemistry 链接: https://doi.org/10.1021/acs.jmedchem.5c01...

期刊: Briefings in Bioinformatics 链接: https://doi.org/10.1093/bib/bbaf335 代码: http...

在分子生成性能上，SAFE-T在生物背景微调后仍保持与非条件基线相当的性能，所有生成模式的有效性都很高（>95%），在结构约束任务中，结构约束满足度接近完美（>...

期刊: arxiv 链接: https://arxiv.org/abs/2507.06366 代码: https://github.com/spatialdat...

期刊: Journal of Computational Chemistry 链接: https://doi.org/10.1002/jcc.70147 代码:...