BriefGPT - AI 论文速递
·
TacoGFN: 基于结构的药物设计的目标条件 GFlowNet
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种使用强化学习方法生成药物样化合物的模型TacoGFN，以及基于Transformer的对接评分预测方法。实验结果表明，使用TacoGFN生成的分子在各项特性上均优于基准方法，并且速度快了数个数量级。
🎯
关键要点
- 该文介绍了一种使用强化学习方法生成药物样化合物的模型TacoGFN。
- TacoGFN模型能够生成与特定蛋白质口袋靶点相匹配的分子。
- 开发了基于Transformer的对接评分预测方法，以加速对接评分计算。
- 通过几轮主动学习改善对接评分预测。
- 实验结果表明，使用TacoGFN生成的分子在对接评分、QED、SA、Lipinski等特性上显著优于基准方法。
- TacoGFN的速度比基准方法快了数个数量级。
🏷️
标签
➡️
