Descubre APCyc, un marco de inteligencia artificial que genera péptidos cíclicos con propiedades optimizadas para el descubrimiento de fármacos. Control preciso de ciclación y múltiples objetivos.
TEXTGRAD usa agentes LLM para optimizar moléculas, mejorando afinidad y similitud a fármacos. Un avance en descubrimiento de medicamentos.
Los agentes LLM guían el diseño molecular evolutivo sobre rutas sintéticas reales, alcanzando resultados de vanguardia en sEH sin entrenamiento.
Descubre cómo S3-GFN genera moléculas sintetizables con GFlowNets y priores químicos, logrando altas recompensas y más del 95% de sintetizabilidad.
MIT crea boquillas de electrospray con impresión 3D, sin salas limpias. Permiten partículas de tres capas para fármacos y tejidos.
Descubre cómo un modelo autoregresivo condicionado por tokens genera moléculas OLED con propiedades ópticas específicas, superando la escasez de datos.
Descubre cómo Graph-GRPO entrena modelos de flujo de grafos con RL para optimizar moléculas, alcanzando 95% VUN en planares. Innovador y eficiente.
Este estudio investiga codificación molecular con MLP y Transformer para predecir propiedades de fármacos, logrando AUC >0.9 en toxicidad y mutagenicidad.
ShallowBench: benchmark de 5,780 dianas con bolsillos poco profundos para diseño de fármacos con IA. Evalúa modelos en dianas difíciles como KRAS y MYC.
Descubre cómo los modelos mundiales biomédicos, impulsados por IA, permiten simular futuros biológicos y acelerar el descubrimiento de terapias.
Descubre ToxiMol, el primer benchmark que evalúa la capacidad de los MLLM para reparar moléculas tóxicas. ¿Podrá la IA mejorar el diseño de fármacos?
Descubre SpliceBind, el modelo de IA que predice la farmacabilidad de bolsillos de unión según isoformas, mejorando la predicción de resistencia a fármacos diana en cáncer.
CP-Agent: IA multimodal que interpreta morfología celular bajo fármacos, acelerando descubrimiento con reportes contextuales.
Descubre cómo medir la equidad en deep reinforcement learning para descubrimiento de fármacos en salud, evaluando sesgos en datos, recompensas y diversidad química.
FLOWR: nueva técnica de generación de ligandos con flujo matching. Hasta 70 veces más rápido, preciso y adaptable a fragmentos. Ideal para diseño de fármacos.
Los generadores neuronales simbólicos (SNG) integran lógica y redes neuronales para generar moléculas candidatas a fármacos con alta afinidad.
Descubre cómo TMCgen, un modelo de difusión en variedades, genera geometrías precisas de complejos metálicos para catálisis y diseño de fármacos. ¡Aprende más!
Site4Drug predice sitios diana en proteínas, considerando accesibilidad, topología y modificaciones postraduccionales. Ideal para descubrimiento de fármacos.
Descubre cómo el nuevo benchmark CREED evalúa la retrosíntesis con LLMs priorizando la plausibilidad química. Conoce ChemCensor.
Generación molecular condicionada por genotipo usando IA para crear fármacos anticancerígenos personalizados, optimizando sensibilidad y síntesis.