Articoli più recenti per Scoperta di farmaci

Nuovi approcci nella progettazione di farmaci danno priorità alla sintetizzabilità delle molecole per risultati migliori.

PDGrapher prevede obiettivi genici per strategie di trattamento farmacologico efficaci.

CLP trasforma i dati molecolari in stringhe per migliorare la scoperta di farmaci.

Un nuovo metodo migliora le previsioni nella scoperta di farmaci e nella progettazione di materiali usando rumore consapevole della chimica.

I ricercatori stanno usando LIMO per creare molecole specializzate per la medicina.

SeqHT ottimizza le simulazioni quantistiche semplificando calcoli complessi per ottenere risultati migliori.

Uno sguardo ai nuovi metodi per prevedere le interazioni molecolari e il legame dei farmaci.

Un nuovo modello migliora le previsioni su dove si legano le proteine, aiutando la scoperta di farmaci.

Un nuovo metodo migliora l'efficienza nel testare i composti nella scoperta di farmaci.

UniMoT fonde la scienza molecolare con il trattamento del linguaggio per un'analisi migliorata.

Un nuovo metodo migliora la previsione dei target farmacologici usando tecniche di machine learning.

I ricercatori migliorano le tecniche di calcolo quantistico per simulare le molecole in modo più preciso.

CELL-Diff migliora l'imaging delle proteine e la previsione delle sequenze per la ricerca biologica.

Nuovi descrittori migliorano le previsioni dei composti chimici nella scoperta di farmaci e nella scienza dei materiali.

La ricerca svela i meccanismi di tolleranza agli antibiotici nei batteri che causano la tubercolosi.

Un nuovo modo di progettare molecole basato sugli effetti cellulari.

PocketXMol unisce approcci molecolari per un miglior design dei farmaci e analisi molecolare.

Gli aggiornamenti di DeepChem rendono più facile per gli scienziati generare nuove molecole.

Presentiamo SimpleSBDD, un metodo che semplifica la scoperta di farmaci ottimizzando l'affinità di legame.

Il computer quantistico potrebbe rivoluzionare la ricerca chimica e le simulazioni.

Un nuovo metodo per generare peptidi con input di sequenza singola migliora la scoperta di farmaci.

Questo studio mostra come i GPCR e le proteine G interagiscono, fondamentale per capire i bersagli dei farmaci.

I metodi di intelligenza artificiale stanno cambiando il modo in cui gli scienziati prevedono le proprietà molecolari per diverse applicazioni.

Un nuovo modello, XPaiNN, migliora le previsioni nella chimica quantistica usando approcci di machine learning.

Scopri come HTS e machine learning plasmano la ricerca sulle proteine.

I principi FAIR migliorano la gestione dei dati e la collaborazione nella ricerca scientifica.

BALM usa l'apprendimento automatico per migliorare l'accuratezza nella scoperta di farmaci.

Hot2Mol genera molecole mirate per interrompere interazioni proteiche dannose.

Esplorando come la struttura dei grafi influisce sulle previsioni nei grafi di conoscenza biomedica.

Uno sguardo ai metodi più recenti nel calcolo dell'energia libera per ottenere migliori intuizioni chimiche.

La ricerca mostra promettente nell'usare i LLM per generare molecole simili a farmaci.

Esplorando la fusione tra machine learning e meccanica molecolare per simulazioni migliori.

PharmacoMatch utilizza il machine learning per migliorare l'efficienza dello screening dei farmacofori.

Esplorando come l'AI generativa sta plasmando il futuro della chimica.

XMOL ottimizza più proprietà molecolari contemporaneamente, migliorando chiarezza ed efficienza.

Nuovo metodo migliora l'efficienza del campionamento usando funzioni energetiche.

Uno sguardo ai microbiomi e alla loro importanza per la salute attraverso la metagenomica.

Le A-GFN usano atomi per creare nuove molecole simili a farmaci, migliorando la scoperta di farmaci.

L'IA sta cambiando il modo in cui i ricercatori creano cellule virtuali per studiare i processi biologici.

I residui ionizzabili influenzano la funzione delle proteine e la scoperta di farmaci grazie alle loro proprietà di carica.