Últimos artículos para Descubrimiento de medicamentos

CELL-Diff mejora la imagen de proteínas y la predicción de secuencias para la investigación biológica.

Nuevos descriptores mejoran las predicciones de compuestos químicos en el descubrimiento de fármacos y la ciencia de materiales.

La investigación descubre mecanismos de tolerancia a antibióticos en las bacterias que causan tuberculosis.

Un nuevo enfoque para diseñar moléculas basadas en efectos celulares.

PocketXMol unifica enfoques de tareas moleculares para un mejor diseño de fármacos y análisis molecular.

Las actualizaciones de DeepChem hacen que sea más fácil para los científicos generar nuevas moléculas.

Presentamos SimpleSBDD, un método que simplifica el descubrimiento de fármacos al optimizar la afinidad de unión.

La computación cuántica podría transformar la investigación y simulaciones químicas.

Un nuevo método para generar péptidos con entrada de secuencia única mejora el descubrimiento de medicamentos.

Este estudio revela cómo interactúan los GPCRs y las proteínas G, lo cual es clave para entender los objetivos de los fármacos.

Los métodos de IA están cambiando la forma en que los científicos predicen las propiedades moleculares para varias aplicaciones.

Un nuevo modelo, XPaiNN, mejora las predicciones en química cuántica usando enfoques de aprendizaje automático.

Descubre cómo HTS y el aprendizaje automático están moldeando la investigación de proteínas.

Los principios FAIR mejoran la gestión de datos y la colaboración en la investigación científica.

BALM usa aprendizaje automático para mejorar la precisión en el descubrimiento de medicamentos.

Hot2Mol genera moléculas específicas para interrumpir interacciones de proteínas dañinas.

Explorando cómo la estructura del grafo influye en las predicciones en grafos de conocimiento biomédico.

Una mirada a los últimos métodos en cálculos de energía libre para obtener mejores conocimientos químicos.

La investigación muestra que hay potencial en usar LLMs para generar moléculas parecidas a las de los medicamentos.

Explorando la fusión del aprendizaje automático y la mecánica molecular para mejores simulaciones.

PharmacoMatch usa aprendizaje automático para mejorar la eficiencia del screening de farmacóforos.

Explorando cómo la IA generativa está moldeando el futuro de la química.

XMOL optimiza múltiples propiedades moleculares al mismo tiempo, mejorando la claridad y la eficiencia.

Nuevo método mejora la eficiencia de muestreo usando funciones de energía.

Una mirada a los microbiomas y su importancia en la salud a través de la metagenómica.

Las A-GFNs usan átomos para crear nuevas moléculas similares a medicamentos, mejorando el descubrimiento de fármacos.

La IA está transformando la forma en que los investigadores crean células virtuales para estudiar procesos biológicos.

Los residuos ionizables influyen en la función de las proteínas y en el descubrimiento de medicamentos a través de sus propiedades de carga.

Las fórmulas de productos corregidos mejoran la precisión en las simulaciones de sistemas cuánticos.

Un nuevo marco mejora el aprendizaje automático al centrarse en motivos moleculares y datos textuales.

GATher mejora la predicción de objetivos de medicamentos usando tecnología avanzada de grafos.

Explorando la importancia de las estructuras G4 en la medicina y el descubrimiento de fármacos.

Un nuevo método para mejorar las GNNs en el análisis molecular.

Un nuevo enfoque en el diseño de fármacos mejora la comprensión de la flexibilidad de las proteínas.

Examinando la importancia de las interacciones entre proteínas y ligandos en las predicciones de modelos.

EMERALD-ID ayuda a los científicos a identificar pequeñas moléculas en imágenes de cryoEM.

TACS ayuda a los científicos a crear moléculas estables con propiedades deseadas.

Nerpa 2 conecta grupos de genes con péptidos, mejorando el descubrimiento de fármacos.

Un nuevo método mejora la predicción de propiedades moleculares usando SMILES.

PeptideCLM mejora el descubrimiento de medicamentos peptídicos al predecir propiedades con precisión.