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
- 新架构 RHEA:8GB 显存即可训练 10 亿参数模型 — zemondza · 2026-08-24
- 跳过 LLM 写代码老套路:自训 16M 参数模型做生成式 CAD — debreuil · 2026-08-24
- Claude 助手发现 6 维球复结构,解 60 年数学难题 — Singularitarian · 2026-08-24
- 研究揭示 AI Agent 行为:六成阅读量来自指令与笔记 — dair_ai · 2026-08-24
- Claude 自主验证 43 个数学模块,AI 攻克理论物理难题 — Tkaraletsos · 2026-08-24
- AI 假记忆:为何模型越用越错,真记忆需遗忘 — PrajwalTomar_ · 2026-08-24