热点事件观察中
研究团队提出药物设计扩散引导方法MLIPDiff
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，研究团队在arXiv发布论文，提出面向基于结构药物设计的推理期引导方法MLIPDiff。该方法利用通用机器学习原子间势UMA引导预训练去噪扩散模型，无需重新训练即可有效消除蛋白质与配体之间的空间碰撞。在CrossDocked2020基准测试中，MLIPDiff在保持PoseBusters通过率的同时，中位数Vina Score等指标超越了基础模型与NucleusDiff，且中位数59.6%的生成配体结合力强于参考分子。
AI 根据报道生成 · 7 小时前更新
最新进展10月27日 12:00
研究团队发布MLIPDiff方法，无需重训即可引导扩散模型生成低碰撞、强结合力的药物分子。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 机器学习MLIPDiff：通过机器学习原子间势引导去噪扩散模型进行基于结构的药物设计
MLIPDiff 是一种面向药物设计的推理期引导方法，利用机器学习原子间势 UMA 引导预训练扩散模型，无需重新训练即可消除蛋白质与配体碰撞。在 CrossDocked2020 基准上，该方法保持了 PoseBusters 通过率，在中位数 Vina Score 等指标上超越基础模型与 NucleusDiff，且中位数 59.6% 的配体结合力强于参考分子。
本事件热度走势
当前热度 4·可比范围峰值 5（10月28日 11:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。