ドラッグディスカバリー に関する最新の記事

研究者たちは、化学予測のスピードと効率を高めるために、推測デコーディングを使ってるよ。

新しい薬のデザインでは、より良い結果のために分子の合成しやすさを優先しているよ。

PDGrapherは効果的な薬物治療戦略のための遺伝子ターゲットを予測するよ。

CLPは分子データを文字列に変換して、薬の発見を進めるんだ。

化学に配慮したノイズを使って、薬の発見や材料設計の予測が改善される新しい方法が登場した。

研究者たちはLIMOを使って医療用の特別な分子を作ってるよ。

SeqHTは、複雑な計算を簡略化して量子シミュレーションを最適化し、より良い結果を得るんだ。

分子相互作用や薬の結合を予測するための新しい方法を見てみよう。

新しいモデルがタンパク質の結合場所の予測を改善し、薬の発見を助けてる。

新しい方法が薬の発見における化合物テストの効率を向上させる。

UniMoTは分子科学と言語処理を融合させて、分析を強化するんだ。

新しい方法が機械学習技術を使って薬物ターゲット予測を向上させる。

研究者たちが量子コンピューティング技術を改良して、分子をもっと正確にシミュレーションできるようにしてるよ。

CELL-Diffは、生物学研究のためのタンパク質イメージングと配列予測を強化するよ。

新しい記述子が薬剤発見や材料科学における化合物の予測を強化する。

研究が結核を引き起こす細菌の抗生物質耐性メカニズムを明らかにした。

細胞効果に基づいた分子デザインの新しいアプローチ。

PocketXMolは、より良い薬の設計と分子分析のために分子タスクアプローチを統一するよ。

DeepChemのアップデートで、科学者が新しい分子を作るのが楽になったよ。

SimpleSBDDを紹介するよ。これは結合親和性を最適化して、薬の発見を効率化する方法なんだ。

量子コンピュータは化学の研究やシミュレーションを変えるかもしれない。

単一の配列入力でペプチドを生成する新しい方法が、薬の発見を進化させる。

この研究は、GPCRとGタンパク質がどのように相互作用するかを明らかにしていて、薬のターゲットに関する洞察が得られるよ。

AIの手法が、科学者たちがさまざまな用途のために分子の特性を予測するやり方を変えてるよ。

新しいモデル、XPaiNNは、機械学習アプローチを使って量子化学の予測を向上させる。

HTSと機械学習がタンパク質研究をどう変えてるか学ぼう。

FAIR原則は、科学研究におけるデータ管理とコラボレーションを強化するんだ。

BALMは機械学習を使って薬の発見の精度をアップさせるよ。

Hot2Molは、有害なタンパク質の相互作用を妨げるためのターゲット分子を生成するよ。

バイオメディカル知識グラフにおける予測へのグラフ構造の影響を探る。

最新の自由エネルギー計算の手法を見て、化学的洞察を深めよう。

研究によると、LLMを使って薬のような分子を生成するのに期待が持てるみたい。

機械学習と分子力学の融合を探って、より良いシミュレーションを目指す。

PharmacoMatchは機械学習を使って薬理フォルムのスクリーニング効率を向上させるよ。

生成AIが化学の未来をどう形作っているか探ってる。

XMOLは、複数の分子特性を同時に最適化して、明瞭さと効率を高めるよ。

新しい方法はエネルギー関数を使ってサンプリング効率を向上させる。

メタゲノム解析を通じて、マイクロバイオームとその健康への重要性を探る。

A-GFNは原子を使って新しい薬のような分子を作り、薬の発見を改善してるよ。

AIは研究者が生物学的プロセスを研究するためにバーチャルセルを作る方法を変えてるんだ。