作者 | 钟玥单位 | 厦门大学研究方向 | 药物发现随着新型冠状病毒（2019-nCoV）感染肺炎疫情持续发展，武汉、全国各地以及全球的疫情牵动着每一个人的心。2020年2月5日med...

传统的计算分析和机器学习是否可以弥补在信息泛滥的情况下对药物重定位论文进行同行评审的不足？COVID-19的流行改变了科学和临床成果的分享和传播方式。根据最近的一项分析，平均每周有367篇COVID-19论文发表，从提交到被接受的中位时间仅为6天(而非COVID-19内容则为84天)。这些前所未有的同行评审周转时间--在某些情况下还放宽了编辑标准--在新信息可能加快对新出现的全球医学-社会-经济灾

今天给大家介绍卡耐基梅隆大学Amir Barati Farimani团队近期发表在arxiv上的关于如何利用对比学习和图神经网络进行分子表示，并服务于下游任务的研究。分子机器学习在分子性质预测和药物发现方面具有广阔的应用前景。然而，由于标记数据有限和分子的化学空间十分广阔，有监督学习模型泛化能力较差。这大大限制了机器学习方法在分子设计和发现中的应用。为解决上述问题，作者提出了一个用于大型无标记分子

1. 背景DNA/RNA测序的最新进展实现了通过“精确”定位个性化疾病模块来快速识别新靶标并重新利用已批准的药物治疗异质性疾病。基因组学时代，药物开发已成为高度集成的系统性问题，互补多组...

今天给大家介绍一篇关于分子表征学习的文章。分子表征学习（MRL）旨在将分子嵌入到实向量空间中。然而，现有的基于SMILES（简化分子线性输入系统）或GNN（图神经网络）的MRL方法要么以SMILES字符串作为输入，难以编码分子的结构信息，要么过度强调GNN结构的重要性，而忽视了其泛化能力。因此，作者提出使用化学反应来协助学习分子表征，其核心思想在于保持分子在嵌入空间中的化学反应的等价性，即强制让每

作者 | 夏枫指导 | 刘向荣教授单位 | 厦门大学研究方向 | 知识图谱，药物发现今天给大家介绍的文章是“Learning Representations to Predict Int...

近年来涌现出许多计算设计抗体CDR环的工作，但面临着CDR 环维持特定几何形状的挑战。在这篇文章中，作者设计了一个约束流形来表征 CDR 环的几何约束，接着设计了约束流形中的能量模型Constrained Energy Model (CEM)。

今天为大家介绍的是来自Christoph Steinbeck团队的一篇论文。近几十年来，描述化学结构的出版物数量稳步增加。然而，目前大多数已发布的化学信息并未以机器可读的形式出现在公共数据库中。自动化信息提取的过程仍然是一个挑战，需要减少手动干预，特别是在挖掘化学结构图时。作为一个开源平台，DECIMER.ai（Deep lEarning for Chemical IMagE Recognitio

​此次为大家分享的是来自Nature Communiations 上的一篇题为"Deep learning to decompose macromolecules into independent Markovian domains" 的文章，来自德国柏林自由大学、美国德克萨斯州休斯顿莱斯大学的Frank Noé团队。对越来越大的蛋白质进行动力学建模兴趣日益浓厚，但目前缺乏收集足够的状态概率或状态

作者 | 孙科研究方向 | 药物组合单位 | 湖南大学今天给大家介绍2019年12月发表在Nature Machine Intelligence的论文“Prediction of dru...