.png){kind=icon}
返回
Multiscale graph equivariant diffusion model for 3D molecule design
.png){kind=icon}
PRE
AI
DOI：10.1126/sciadv.adv0778.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
三维分子生成在药物设计中至关重要。然而，当前方法通常依赖点云或过度简化的相互作用模型，限制了其准确表征分子结构的能力。为解决这些挑战，本文提出了用于三维分子设计的多尺度图等变扩散模型（MD3MD）。MD3MD将分子构象划分为多尺度图，分配不同权重以捕捉跨尺度的原子相互作用。该框架引导扩散过程，实现高质量的三维分子生成。实验结果表明，MD3MD在无条件和条件生成任务中均表现出色，生成多样、稳定且新颖的分子，满足指定条件。可视化突出显示了MD3MD学习领域特定模式的能力，生成与现有数据集不同的分子，同时保持分布一致性。通过有效探索化学空间，MD3MD在生成创新且化学多样的分子方面超越先前方法，为分子设计领域提供了显著进展。
Keyword:
DRUG
GENERATION
期刊
IF:
12.5
论文数:
2.1W
被引数:
18.1W
机构
暂无机构信息
引用论文
Trends and Potential of Machine Learning and Deep Learning in Drug Study at Single-Cell Level.png)
RESEARCH
OAAI
RESEARCHIF10.7
OAAI分享收藏
Drug Repositioning Based on a Multiplex Network by Integrating Disease,
Gene, and Drug Information
PREAI
分享收藏TranSiam: Aggregating multi-modal visual features with locality for medical image segmentationTranSiam: 聚合具有局部性的多模态视觉特征以进行医学图像分割OAAI
OAAI分享收藏
查看更多内容