深势科技发布三维底物预训练模型Uni-Mol，加速药物设计的发展

次属性的原始数据集。该数据分析测试的 15 个原始数据集均来自于 MoleculeNet，数据分析新设计团队采用了骨架划分的方式。

在 3D 构造不强方面的回归侦查上，例如在碳酸钾自由能（ESOL, Freesolv），亲脂性（Lipo），人口为129人特殊性（QM7、QM8、QM9）上，与之前的 SOTA 相对来说有超过提升 21% 的效果。

布丨Uni-Mol 在小分子特殊性得出的测试结果（举例来说：ChemRxiv）

在小分子过渡态降解（molecular conformation generation)测试中所，Uni-Mol 高度评价 AI 假设降解过渡态新颖性的特基准 Coverage 和精密特基准 Matching 基本上全面超越原先的基准线。

布丨Uni-Mol 在小分子过渡态降解的测试结果（举例来说：ChemRxiv）

此外，数据分析新设计团队进行时了背包特殊性得出测试。可抑制剂性，特指的是候选细胞内背包与特定小分子底物产生稳定相辅相成的潜能，是候选细胞内背包的极其重要属性之一。Uni-Mol 在背包胃肠原始数据集 NRDLD 上的准确率、召回率、精确度和F1投篮是三高的。

在基准原始数据集中所，实专业训练的 Uni-Mol 假设在四个评分上都高于非实专业训练的假设。这声称，对候选酶背包的实专业训练可以改善背包属性得出侦查。

（举例来说：ChemRxiv）

酶-底物相辅相成的得出，是基于构造的抑制剂新设计中所不可忽视的侦查之一。Uni-Mol 相辅相成了小分子和背包实专业训练假设来修习基于靠近矩阵的评测变量，后对复杂的过渡态进行时采样和优化，并在基准原始数据集上确保了结果的可描述性性。通过相辅相成小分子假设和背包实专业训练假设，Uni-Mol 在酶-底物相辅相成侦查中所显著超过了少见使用的联结工具箱。

评测变量即通过定量化检验抑制剂与靶标细胞内的相互作用为抑制剂研发中所的药效检验提供理论依据，该方法迄今广泛领域以基于构造的计算辅助抑制剂新设计。

一般而言来说，对药-靶的相互作用的检验流程有两步，第一步是联结过程（docking process），主要特指过渡态，探究潜在的相辅相成亚基（binding pose）；第二步是评测过程（scoring process），一般而言特指评测，以得出药-靶相辅相成力。

而 Uni-Mol 在 docking power 和 binding pose 两项检验相辅相成最极其重要的特基准上均展现出出色，在评测变量测评上超越了一系列当今联结处理工具箱，以及基于 AI 的评测变量假设。在 binding pose 得出潜能纸片，对于 CASF-2016 基准原始数据集得出的准确相辅相成过渡态的比率超过迄今当今的工具箱约 35%。

布丨酶-底物相辅相成亚基得出假设在 CSAF-2016 上的测试结果（举例来说：ChemRxiv）

从数据分析结果来看，3D 小分子连续性修习开放性 Uni-Mol 极为全然，该开放性的提出批评或有利抑制剂新设计教育领域的进一步拓展和深耕。迄今，抑制剂新设计教育领域一直缺乏高质量的公开发表原始数据集，许多公开发表原始数据集能够满足单单效益。而该项数据分析成果或有利于未来抑制剂新设计教育领域高质量基准的增多，或将加速新药发现与抑制剂新设计的发展。

-End-

详见：

。

治疗干眼症的方法有哪些
总是便秘怎么改善
艾得辛能缓解腰疼吗
安必丁最佳用法
正常眼可以用海露滴吗
如何改善骨质疏松
类风湿一般是怎么引起的
阳了以后吐黄痰是怎么回事
腰椎间盘突出啥药能止痛
必奇蒙脱石散治拉肚子吗