11:47官方账号arXiv cs.LG@Mariano Caruso, Daniel Ruiz, Alejandro Giraldo, Guido Bellomo本文提出Q2SAR框架,结合量子支持向量机(QSVM)和量子多核学习(QMKL)建模药物分子活性。在DYRK1A激酶(阿尔茨海默病靶点)数据集上,QMKL-SVM达到AUC 0.8750,显著优于经典梯度提升模型的0.8037。该方法通过投影量子核(PQK)和测量加速器提升非线性表达能力,为解决经典QSAR高维非线性瓶颈提供新路径。AI模型Q2SARQSAR量子支持向量机推荐理由:药物筛选老难题,量子版QSVM直接拿AUC从0.80干到0.875,比传统梯度提升强了近9个点,搞药化的人值得看看。原文稍后读已读值得跟进有用关注 Q2SAR
09:49官方一手marktechpost@Sana Hassan精选本教程使用ChEMBL和UniProt获取EGFR C797S靶点信息,从IC50记录中提取pIC50数据集。利用RDKit标准化分子并计算Morgan指纹,训练基于scaffold-split的随机森林QSAR模型。通过SHAP解释效力驱动因素,并使用BRICS碎片重组生成并排名新候选分子。技巧ChEMBLRDKitSHAP推荐理由:用ChEMBL、RDKit、SHAP和BRICS手把手搭一个EGFR抑制剂预测模型,数据清理到模型解释全有,代码示例清晰。原文稍后读已读值得跟进有用关注 ChEMBL