【KDD2023教程】几何图生成建模的药物发现

数据派THU

共 824字,需浏览 2分钟

 ·

2023-09-20 03:33

   
来源:专知
本文为教程介绍,建议阅读5分钟
在本教程中,我们将向参与者介绍这一领域的最新重要发展,涵盖重要主题,包括2D分子图生成、3D分子几何生成、2D图到3D几何生成以及有条件的3D分子几何生成。



随着几何深度学习、生成建模的最新进展以及大规模生物数据集的可用性,分子图形和几何生成建模已经成为科学发现的一个高度有前景的方向,例如药物设计。这些生成方法使得有效的化学空间探索和潜在药物候选物生成成为可能。然而,通过将分子表示为2D图形或3D几何体,存在着许多既基础又具有挑战性的问题,用于建模这些不规则且复杂的关联数据分布。在本教程中,我们将向参与者介绍这一领域的最新重要发展,涵盖重要主题,包括2D分子图生成、3D分子几何生成、2D图到3D几何生成以及有条件的3D分子几何生成。我们还包括抗体生成,特别考虑了大尺寸抗体分子。对于每个主题,我们将概述潜在问题特征,总结主要挑战,呈现代表性方法的统一观点,并强调未来研究方向和潜在影响。我们预计这个教程将吸引广泛的研究人员和从业者参与。

https://sites.google.com/view/g3d2
 
讲者:




浏览 151
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报