12:10
官方账号arXiv cs.LG@Miruna Cretu, John Bradshaw, Patricia Suriana, Saeed Saremi, Omar Mahmood, Kirill Shmilovich, Kangway Chuang, Vishnu Sresht, Colin Grambow
推荐理由：SynLaD同时搞定分子设计和合成路线，比以往只顾一头的模型更实用。
SynLaD
共 1 条相关 AI 资讯
7月2日
12:10
SynLaD是一个潜在扩散框架，用于小分子生成，统一了配体药物设计目标（做什么）与合成可行性（怎么做）。它通过学习一个潜在空间来解码3D结构和合成路径，结合了反应约束生成和药效团条件3D设计。在生物活性配体的类似物生成任务中，SynLaD在可合成性和多样性上优于现有基线，能产生形状对齐的分子并附带可行合成方案。