AUTODIFF: Ein autoregressives Diffusionsmodell für strukturbasiertes Wirkstoffdesign
AUTODIFF ist ein neuartiger Ansatz zur Generierung von Molekülen für das strukturbasierte Wirkstoffdesign, der die Vorteile von Diffusionsmodellen und motivbasierten Generierungsverfahren nutzt, um realistische Moleküle mit gültigen Strukturen und Konformationen zu erzeugen.
Zielgerichtete Molekülgenerierung für strukturbasiertes Wirkstoffdesign mit TacoGFN
TACOGFN, ein zielgerichtetes Generative Flow Network, generiert neuartige Moleküle mit hoher Bindungsaffinität, günstigen Arzneimittel-Eigenschaften und guter Synthesierbarkeit für eine gegebene Proteinstruktur.
Optimierung von Molekülen mit kontrollierbaren und zerlegten Diffusionsmodellen für strukturbasiertes Wirkstoffdesign
Ein neues Paradigma für die Molekülgenerierung, das Optimierung mit kontrollierbaren und zerlegten Diffusionsmodellen kombiniert, um gewünschte Eigenschaften zu erreichen und gleichzeitig die molekulare Grammatik einzuhalten.
Effiziente Generierung von 3D-Molekülen für strukturbasiertes Wirkstoffdesign durch prä-trainiertes 3D-Molekülgenerieren und zielgerichtetes Sampling
MolEdit3D kombiniert 3D-Molekülgenerierung mit zielgerichteter Optimierung, um neuartige Liganden mit hoher Bindungsaffinität, Druglikeness und Synthesefreundlichkeit zu erzeugen.
Effiziente Diffusionsmodelle mit zerlegten Priors für strukturbasiertes Wirkstoffdesign
Wir entwickeln ein neues Diffusionsmodell namens DECOMPDIFF, das informative zerlegte Priors für Arme und Gerüst des Liganden nutzt, um hochaffine Moleküle für Zielproteine zu generieren.
© 2024 by Linnk AI