Derniers articles pour Découverte de médicaments

Une nouvelle approche pour concevoir des molécules en fonction des effets cellulaires.

PocketXMol unifie les approches des tâches moléculaires pour un meilleur design de médicaments et une analyse moléculaire.

Les mises à jour de DeepChem facilitent la génération de nouvelles molécules pour les scientifiques.

Présentation de SimpleSBDD, une méthode qui simplifie la découverte de médicaments en optimisant l'affinité de liaison.

L'informatique quantique pourrait transformer la recherche chimique et les simulations.

Une nouvelle méthode pour générer des peptides avec une seule séquence d'entrée améliore la découverte de médicaments.

Cette étude montre comment les GPCR et les protéines G interagissent, ce qui est crucial pour comprendre les cibles des médicaments.

Les méthodes d'IA changent la façon dont les scientifiques prédisent les propriétés moléculaires pour différentes applications.

Un nouveau modèle, XPaiNN, améliore les prédictions en chimie quantique en utilisant des approches d'apprentissage automatique.

Découvrez comment l'HTS et l'apprentissage automatique façonnent la recherche sur les protéines.

Les principes FAIR améliorent la gestion des données et la collaboration dans la recherche scientifique.

BALM utilise l'apprentissage automatique pour améliorer la précision de la découverte de médicaments.

Hot2Mol génère des molécules ciblées pour perturber les interactions de protéines nuisibles.

Explorer comment la structure des graphes influence les prédictions dans les graphes de connaissances biomédicales.

Un aperçu des dernières méthodes de calcul d'énergie libre pour des insights chimiques améliorés.

Des recherches montrent des promesses dans l'utilisation des LLMs pour générer des molécules semblables à des médicaments.

Explorer la fusion de l'apprentissage automatique et de la mécanique moléculaire pour de meilleures simulations.

PharmacoMatch utilise l'apprentissage automatique pour améliorer l'efficacité du criblage des pharmacophores.

Explorer comment l'IA générative façonne l'avenir de la chimie.

XMOL optimise plusieurs propriétés moléculaires en même temps, améliorant la clarté et l'efficacité.

Une nouvelle méthode améliore l'efficacité d'échantillonnage en utilisant des fonctions d'énergie.

Un aperçu des microbiomes et leur importance pour la santé grâce à la métagénomique.

Les A-GFNs utilisent des atomes pour créer de nouvelles molécules semblables à des médicaments, améliorant ainsi la découverte de médicaments.

L'IA change la manière dont les chercheurs créent des cellules virtuelles pour étudier les processus biologiques.

Les résidus ionisables influencent la fonction des protéines et la découverte de médicaments grâce à leurs propriétés de charge.

Des formules de produit corrigées améliorent l'exactitude dans les simulations de systèmes quantiques.

Un nouveau cadre améliore l'apprentissage automatique en se concentrant sur les motifs moléculaires et les données textuelles.

GATher améliore la prédiction des cibles médicamenteuses grâce à une technologie de graphes avancée.

Exploration de l'importance des structures G4 en médecine et découverte de médicaments.

Une nouvelle méthode pour améliorer les GNN dans l'analyse moléculaire.

Une nouvelle approche dans la conception de médicaments améliore la compréhension de la flexibilité des protéines.

Examen de l'importance des interactions protéine-ligand dans les prédictions de modèles.

EMERALD-ID aide les scientifiques à identifier des petites molécules dans les images cryo-EM.

TACS aide les scientifiques à créer des molécules stables avec les propriétés souhaitées.

Nerpa 2 relie des clusters de gènes à des peptides, améliorant la découverte de médicaments.

Une nouvelle méthode améliore la prédiction des propriétés moléculaires en utilisant les SMILES.

PeptideCLM améliore la découverte de médicaments peptidiques en prédisant les propriétés avec précision.

L'apprentissage automatique quantique combine l'informatique quantique et la découverte de médicaments pour des solutions efficaces.

Des chercheurs développent des modèles puissants pour analyser des images de cellules afin d’aider à la découverte de médicaments.

De nouveaux systèmes améliorent les données d'interaction protéine-ligande pour un meilleur design de médicaments.