强化学习提高KRAS候选目录命中率
热点事件持续更新
强化学习提高KRAS候选目录命中率
1 篇报道1 个报道来源52 分钟前更新
先了解这件事
AI 综述
Neeser等人用基于Enamine REAL商业目录精确查找的二元奖励，强化学习训练面向蛋白结合口袋生成3D分子的flow-matching模型。KRAS靶点的候选目录命中率从10.0%提升至25.5%；较早检查点还能减少重复并增加化合物多样性。 实验显示，DNFT-REAL-S和DNFT-FREE-S优于基线，而DPO变体表现较差，说明模型在目录可合成性命中与生成多样性方面均取得改进。
AI 根据报道生成 · 31 分钟前更新
最新进展11月9日 21:02
强化学习训练分子生成模型：KRAS 候选目录命中率从 10.0% 升至 25.5%报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- AGI Hunt强化学习训练分子生成模型：KRAS 候选目录命中率从 10.0% 升至 25.5%
Neeser 等人用强化学习训练面向蛋白结合口袋生成 3D 分子的 flow-matching 模型，通过 Enamine REAL 商业目录精确查找给予二元奖励。KRAS 靶点的候选目录命中率从 10.0% 提升至 25.5%，较早 checkpoint 还能减少重复并提供更多样化合物；DNFT-REAL-S、DNFT-FREE-S 优于 baseline，DPO 变体表现较差。
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。