Kimia发表D2ML筛选数据建模论文
热点事件持续更新
Kimia发表D2ML筛选数据建模论文
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Kimia发表首篇论文,提出D2ML方法,将direct-to-biology筛选产生的未纯化化合物数据直接用于机器学习,覆盖单点活性、粗品剂量响应的跨靶点相对效力及纯化化合物绝对效力预测。 跨阶段共享信息的联合模型优于独立网络,将粗品剂量响应选择性预测的秩相关由0.27提升至0.40。基于独立训练模型,研究团队选出84个候选化合物,目标是提高ROS1效力并限制对反靶TRKB的活性;该论文已获AI4DD workshop接收,并在arXiv发布。
AI 根据报道生成 · 1 小时前更新
最新进展11月16日 22:33
Kimia 发表 D2ML 论文:让 direct-to-biology 未纯化筛选数据直接用于机器学习报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- AGI HuntKimia 发表 D2ML 论文:让 direct-to-biology 未纯化筛选数据直接用于机器学习
Kimia 发表 D2ML 论文,利用 direct-to-biology(D2B)未纯化化合物筛选数据定制模型,覆盖单点活性、粗品剂量响应跨靶点相对效力及纯化化合物绝对效力预测。跨阶段共享信息的联合模型优于独立网络,将粗品剂量响应选择性预测的秩相关从 0.27 提升至 0.40。独立训练模型还指导选出 84 个新化合物,以提升 ROS1 效力并限制对反靶 TRKB 的活性。
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。