tyc7111cc太阳成集团

洞察市场格局
解锁药品研发情报

免费客服电话

18983288589
医药数据查询

J Cheminform｜清华大学张颢等：基于活性悬崖感知强化学习的全新药物设计

de novo 张颢
05/05
172
2025年4月21日，清华大学 张颢等和微软研究院团队在Journal of Cheminformatics上发表论文Activity cliff-aware reinforcement learning for de novo drug design。 在药物发现领域，全新（de novo）分子设计面临的核心挑战之一是结构-活性关系（SAR）的复杂性，尤其是活性悬崖（activity cliffs）现象——微小的分子结构变化可能导致生物活性的显著差异。 基于AI的全新药物设计通过生成具有特定生物活性的分子，加速了传统药物开发流程。
*版权声明：本网站所转载的文章，均来自互联网，旨在传递更多信息。鉴于互联网的开放性和文章创作的复杂性，我们无法保证所转载的所有文章均已获得原作者的明确授权。如果您是原作者或拥有相关权益，请与我们联系，我们将立即删除未经授权的文章。本网站转载文章仅为方便读者查阅和了解相关信息，并不代表我们认同其观点和内容。读者应自行判断和鉴别转载文章的真实性、合法性和有效性。
AI+生命科学全产业链智能数据平台
综合评分：0

收藏

发表评论
评论区（0）
    tyc7111cc太阳成集团企业版
    50亿+条医药数据随时查
    7天免费试用
    体验产品
    摩熵数科开放平台

    最新报告

    更多
    • 摩熵咨询医药行业观察周报（2025.06.09-2025.06.15)
      2025-06-15
      26页
    • 摩熵咨询医药行业观察周报（2025.06.02-2025.06.08)
      2025-06-08
      24页
    • 摩熵咨询医药行业观察周报（2025.05.26-2025.06.01)
      2025-06-01
      21页
    • 2025年5月仿制药月报
      2025-05-31
      15页
    • 2025年5月全球在研新药月报
      2025-05-31
      32页
    AI应用帮助
    添加收藏
      新建收藏夹
      取消
      确认