ドラッグディスカバリー に関する最新の記事

新しいアプローチで知識を使うことで、関係グラフからの学習の効率が上がるよ。

新しいアプローチが拡散モデルを微調整して、ユーザーの好みにより合うようにする。

遺伝子技術の進歩が、悪いバイ菌の遺伝子の働きを明らかにする手助けをしてるんだよ。

科学者たちは量子機械学習を使って、分子の挙動を正確かつ効率的にシミュレーションしてるよ。

T-Hopフレームワークは、薬の発見においてより良い予測のために経路情報を活用してるよ。

ベイジアン最適化が高次元の課題にどう対処するかを見てみよう。

確率を含む最適化の課題に新しい視点を。

新しい生成モデルが、ディープラーニング技術を使って薬候補の作成を改善したよ。

FragLlamaは革新的な分子設計と薬の発見のために言語モデルを適応させるんだ。

水素をモデルにして分子エネルギーを計算するための量子手法を探る。

研究が遺伝性と特発性パーキンソン病の共通の経路を明らかにした。

新しいデータセットが薬の設計に向けた分子特性の予測を加速させる。

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。