AI 药物发现新突破:混合物理模型大幅提升泛化能力
PeterDiamandis · x · 2026-08-07
当前 AI 药物发现的核心挑战并非在已知靶点上刷分,而是如何泛化到从未见过的生物结构。一篇新论文指出,现有机器学习对接模型在全新靶点上表现不佳,且常因训练集泄漏导致准确率虚高。
为此,研究团队提出了结合物理与 AI 的混合框架 DODock 和 DOScore。该框架在保持高表达力的同时,显著提升了分布外泛化能力。在针对四个治疗靶点(包括 CD73、IRAK4 等)的前瞻性虚拟筛选中,DODock 对 PCSK9 药物结合构象的盲测预测结果,与随后解析的晶体结构仅偏差 1.2 埃(RMSD)。这些经过湿实验验证的结果表明,AI 正在向更可靠的新药发现引擎迈进。
「研究」频道最新
- 研究发现:想象疼痛无法重现真实疼痛的体位选择性神经模式 — AnnaCiaunica · 2026-10-16
- Simplex Diffusion Models 论文作者周一开讲 — LucaAmb · 2026-10-16
- 开源工具用 pass/fail 自动复算论文指标,7 项指标实测 4 过 1 挂 — jwt0625 · 2026-10-16
- 藤洋之介公开演讲:从 AI 智能体迈向 Agentic Robotics — HirokatuKataoka · 2026-10-16
- 数学只是语言吗:一场关于 LLM 为何擅长数学的争论 — LucaAmb · 2026-10-16
- 阿里开源 OpenGCUA:全栈开放通用电脑操作 Agent,OSWorld-v2 均分提升 19.6 — Tongyi-MAI · 2026-10-16