Jürgen Bajorath

基于深度生成模型的药物多靶点发现研究进展

对生命科学中人工智能模型的基础与发展以及最佳研究实践的评论

用于生成三靶点活性化合物的化学语言模型

解释分子扩散模型（卷7，103270，2026）

从预测到洞察：用于理解化合物效力模型的可视分析

解释分子扩散模型

通过结合细胞生物学和药物化学数据对蛋白质激酶进行分类，能够进一步评估和区分研究不足的激酶组。

可解释人工智能在药物研发中的分子设计应用

化学语言模型用于生成具有三靶点活性的化合物

基于序列的药物设计中Transformer学习依赖于化合物的记忆和序列-化合物对的相似性

基于可解释人工智能引导的交互式化合物优化客户增强语言模型

蛋白质激酶药物发现的机会——2025年关于化学上尚未充分探索的人类激酶组更新

解析用于分子设计的Transformer模型的学习特性

化学领域机器学习预测的对比解释

从任务特定语言模型到研究代理

识别和评估研究较少的蛋白激酶，使用生物学和化学标准

来自Transformer化学语言模型的双靶点候选化合物含有特征性结构特征。

从科学理论到预测人工智能模型的双重性

使用基于转换器的化学语言模型将肽直接转化为各种肽模拟物

使用MolAnchor分析对同工型选择性磷酸肌醇3-激酶抑制剂的合理化预测