研究发现AI工具预测蛋白质结构准确性下降，提出蛋白质结构嵌入对齐优化框架（SAO）解决三维图结构学习问题，实验证明该框架适用于各种模型，有效改进预测结构和实验结构的性质预测。

该研究提出了一种新颖的方法，通过结合子结构计数、k-mers和类似Daylight的指纹，扩展了SMILES字符串中化学结构的表示。实验评估表明，该方法优于传统指纹方法，改善了药物分类等化学信息学任务。该方法为分子结构分析和设计提供了有前景的研究方向。

本文介绍了一种新颖的方法cryoDRGN，通过深度神经网络在傅里叶空间编码结构，对冷冻电镜图像进行连续体蛋白质结构建模，实现了3D蛋白质复合物的重建。

该文介绍了一种力导向的预训练模型，用于处理平衡和非平衡数据的三维分子构象。该模型通过学习非平衡数据的原子力，并引入零力正规化和基于力的去噪技术，将非平衡力转化为近似平衡力。该预训练模型在三维分子表示方面具有统一的作用，并且相比未经预训练的等变变压器模型，力的准确性提高了约3倍。此外，通过在平衡数据上添加正规化项，解决了原始等变变压器中不稳定的分子动力学模拟问题。该模型的推理时间比NequIP快2.45倍，并且在属性预测任务上达到了最先进的性能水平。