aidd

AI for Science应用：深度学习助力新型靶蛋白的药物从头设计（AIDD助力药物研发）由于受到新疾病出现的困扰，所以需要加快药物设计过程以开发针对这些疾病的新疗法。虽然基于深度学习的方法在基于配体的药物设计方面取得了一些成功。然而，这些方法在针对新靶点设计药物时面临数据稀缺的问题。在本项工作中，利用深度学习和分子模拟方法来开发药物设计流程，这对于目标特异性配体数据集有限或不可用的情况非常有用。在目标蛋白的活性位点筛选目标蛋白同源物的抑制剂，以获取初始目标特异性数据集。迁移学习用于学习特定目标数据集的特征。利用深度预测模型来预测新设计分子的潜在活性。使用强化学习将这两种模型结合起来，以设计具

科学智能AI4S应用：人工智能加速加速抗生素发现（AIDD助力药物研发）抗生素通过针对入侵的生物体将自己置身于宿主-病原体的进化军备竞赛中。然而，随着病原体因自然选择进化出的耐药性，抗生素治疗效果下降。另外，抗生素的研发是一个成本高及周期长的工程，耐药性的出现促使人们对有望加快候选药物发现的计算方法产生了极大的兴趣。本文阐述了人工智能（AIDD）在小分子抗生素和抗菌肽的发现方面取得的进展。除了抗菌活性的基本预测外，还强调抗菌化合物的表征、类药性的预测、抗菌素耐药性和从头分子设计。

AI4S在药物发现上的应用 :基于配体和结构发现靶向微观蛋白秋水碱部位的潜在小分子微管是真核细胞中由α-和β-微管蛋白异二聚体从头到尾形成的细胞骨架的关键元素。此外，微管在广泛的细胞功能中发挥着重要作用，包括纺锤体形成、细胞形状维持以及细胞器运动的细胞质和细胞内运输。微管的功能取决于其连续聚合和解聚的动态特性。微管动态平衡的破坏可诱导细胞周期停滞，最终导致细胞凋亡。因此，微管作为抗癌治疗的重要靶点受到了广泛关注。

AIDD开源大模型测试指标在AI制药（AI in Drug Discovery, AIDD）领域试用开源大模型时，指标的设定不能仅仅停留在传统大语言模型（LLM）的通用指标（如流畅度、代码生成能力）上，而必须结合具体的制药场景（如靶点发现、分子生成、属性预测、文献挖掘等）。

以数字之力，加速创新：构建以iLabPower ELN电子实验记录本为核心的研发体系！六合宁远携手创腾科技快速实现研发数字化升级在创新药研发这场与时间赛跑的竞争中，构建敏捷、可靠且合规的研发数据基础设施，是领先企业驾驭复杂项目、保障创新速度与质量的战略选择。北京六合宁远医药科技股份有限公司，作为国内小分子创新药研发领域值得信赖的伙伴，始终致力于以科学管理和技术创新驱动研发全过程。面对全球研发数字化转型与日益精细的合规要求，六合宁远前瞻性地启动了研发管理体系的智能化升级项目，并选择与深耕科研信息化领域的创腾科技合作，共同以电子实验记录本（ELN）为核心，系统性地提升研发数据的规范性、协同效率与资产价值，展现了其追求卓越运营的坚定

基于电子等排体的3D分子生成模型 ShEPhERD - 评测ShEPhERD 是一个由 MIT 开发的一个 3D 相互作用感知的 ligand-based的分子生成模型，以 arXiv 预印本的形式发表于 2024 年，被ICLR2025 会议接收。文章链接：https://openreview.net/pdf?id=KSLkFYHlYg

我是有底线的