Molecular Prior Networks提出分子-蛋白亲和力预测方法
热点事件持续更新
Molecular Prior Networks提出分子-蛋白亲和力预测方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Pawel Gomoluch与Anthony Bradley针对药物发现中分子-蛋白亲和力预测难题，提出Molecular Prior Networks（分子先验网络）建模方法。 该方法利用Transformer架构，在单次前向传播中根据带标签的支撑分子预测查询分子标签，无需针对特定任务进行额外微调。 模型在数千个现有亲和力数据集上训练，在FS-Mol基准测试回归任务中，面对最小支撑集时性能达到当前先进水平，且推理速度更快。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
Molecular Prior Networks 提出单步 Transformer 预测分子-蛋白亲和力报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · AIMolecular Prior Networks 提出单步 Transformer 预测分子-蛋白亲和力
针对药物发现中分子-蛋白亲和力预测难题，Molecular Prior Networks 提出一种新的建模方法。该方法利用 Transformer 在单次前向传播中，根据带标签的支撑分子预测查询分子的标签。 模型在数千个现有亲和力数据集上训练，无需针对特定任务进行额外微调。在 FS-Mol 基准测试的回归任务中，面对最小的支撑集时，该模型性能达到当前先进水平，且推理速度更快。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。