暂无搜索历史
传统药物发现高度依赖蛋白质表面明确的结合口袋——酶活性位点、离子通道孔道、已知变构位点等。然而,大量与疾病密切相关的蛋白质(如 RAS、MYC 等转录因子和信号...
深度学习是当今最强大也最神秘的技术。神经网络能以超人水平完成视觉、语言、蛋白质折叠等任务,但我们没有统一的科学框架解释它为何有效。训练方法大多源自试错,超参数调...
AlphaFold2(AF2)和 AlphaFold3(AF3)的问世彻底改变了蛋白质结构预测领域,但两者均存在一个根本性局限:它们被训练为预测蛋白质的"天然"...
自 AlphaFold2 问世以来,AI 驱动的蛋白质结构预测已从学术工具演变为药物发现、蛋白质工程和合成生物学的核心基础设施。然而,随着应用场景从"单条蛋白质...
分子动力学(Molecular Dynamics, MD)模拟是理解蛋白质折叠、材料相变、化学反应机理的核心工具。其准确性完全依赖于对原子间相互作用力的精确描述...
标题: Identification of potential MenT3 inhibitors for Mycobacterium tuberculos...
这篇发表于《Nature Reviews Bioengineering》综述,由来自哈佛医学院(George M. Church 课题组)、Monash大学和G...
药物研发是人类最复杂的知识密集型产业之一。从靶点发现到新药上市,平均耗时超过10年,花费逾20亿美元,且失败率高达90%以上。造成这一困境的根本原因并非数据不足...
从苗头化合物(hit)到临床候选药物(candidate)的优化过程,是药物化学的核心实践。然而,长期以来,药物化学界对"成功优化究竟发生了什么"的认识,主要依...
新药研发的命中物到先导物(hit-to-lead)和先导物优化(lead optimization)阶段,药物化学家需要系统性地对活性分子进行结构修饰,以在效力...
小分子药物开发的核心前提,是找到靶蛋白上可被配体占据的结合位点(binding site / ligandable pocket)。这一步直接决定了后续虚拟筛选...
在药物发现的计算流程中,有一个常常被忽略、却至关重要的环节——如何将分子"翻译"成计算机可以学习的语言。这个过程,就是分子表示(Molecular Repres...
生物大分子(蛋白质、核酸、小分子配体)在生理条件下并非静态结构,而是处于持续的热力学运动之中。这种动力学行为决定了蛋白质的构象变化、酶的催化机制、受体的信号转导...
生成式 AI(Generative AI,简称 GenAI)正在以前所未有的速度改变各行各业。在制药领域,各大生物技术公司纷纷声称 AI 将颠覆药物发现——但临...
基于片段的药物发现(Fragment-Based Drug Discovery, FBDD)自 20 世纪 90 年代兴起以来,已发展为制药工业中成熟且高效的先...
本文是一篇由来自多家顶级制药企业的科学家联合撰写的综述,旨在将工业界在片段药物发现(Fragment-Based Drug Discovery, FBDD)领域...
抗体长期主导生化研究的亲和试剂市场,支撑着 Western blot、免疫沉淀(Co-IP)、流式细胞术等核心实验技术。然而其固有缺陷日益凸显:
AlphaFold-Multimer(AF2.3,2022 年 12 月发布)是当前蛋白质-蛋白质相互作用(PPI)结构预测的主流工具,被广泛用于判断两条蛋白链...
过去五年,基于深度学习(Deep Learning, DL)的从头分子生成方法迎来爆发式增长,仅报道的新方法就接近200种。代表性工作包括:
计算机辅助药物设计(Computer-Aided Drug Design, CADD)近年来借助人工智能获得了显著加速,但在实际落地中,一个长期被忽视的矛盾日益...
暂未填写公司和职称
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市