MGDM:使用多项式扩散模型进行分子生成
Sisi Yuan1, Chen Zhao2, Lin Liu3
1Department of Bioinformatics and Genomics, the University of North Carolina at Charlotte, Charlotte, NC, USA.
研究人员为新药设计开发了一种多项生成扩散模型 (MGDM). 这种人工智能模型有效地产生了新的和多样化的有效分子,推进了药物发现能力.
科学领域:
- 计算化学是一种计算化学.
- 人工智能在药物发现中的作用
- 分子建模分子建模
背景情况:
- 药物设计在准确的分子结构分析和快速有效分子生成方面面临着挑战.
- 现有的方法难以有效地产生多样化和新的分子结构.
研究的目的:
- 引入多项生成扩散模型 (MGDM) 用于药物设计中先进的分子生成.
- 为了证明MGDM对无条件和条件分子生成的能力.
- 在有效性,新性和多样性方面,与最先进的方法对比MGDM的表现进行评估.
主要方法:
- 开发了一种新的多项式生成扩散模型 (MGDM),利用多项式扩散框架来处理离散数据.
- 实施了有效的条件分子生成的无分类器指导策略.
- 使用分子集 (MOSES) 数据集验证模型,评估无条件和条件生成能力.
主要成果:
- MGDM通过逐步从均的噪声分布中消除噪声,成功地产生有效的分子结构.
- 该模型在无条件生成中表现出强的性能,扩展了复合库.
- 条件生成实验显示了有效的属性特定分子合成.
- 与MOSES数据集上的现有最先进的方法相比,MGDM实现了优越或可比的新性和多样性.
结论:
- 拟议的MGDM是新的分子生成的有效框架,解决了药物设计的关键挑战.
- MGDM提供了一种强大的方法来产生多样化,新和有效的分子,在药物发现中具有潜在的应用.
- 无分类器指导策略增强了该模型在向分子设计中的实用性.
更多相关视频
00:10Single-Molecule Tracking Microscopy - A Tool for Determining the Diffusive States of Cytosolic Molecules
Published on: September 5, 2019
12:15Image Processing Protocol for the Analysis of the Diffusion and Cluster Size of Membrane Receptors by Fluorescence Microscopy
Published on: April 9, 2019
相关概念视频
Molecular Weight of Step-Growth Polymers
As the step-growth polymerization involves step-wise condensation of monomers, the molecular weight also builds up eventually. Consequently, high molecular weight polymers are obtained at the late stages of the polymerization, where 99% of monomers have been consumed.
The extent of the...
Genetic Drift
Mutation, Gene Flow, and Genetic Drift
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Molecular Models
