ACS Omega|南通大学Med-AI团队研发MCST-AFN框架:以低计算成本实现分子性质精准预测,助力药物研发提速
智药邦
2025-07-21 08:00
文章摘要
本文介绍了南通大学Med-AI团队提出的MCST-AFN框架,该框架通过融合深度学习与低保真分子动力学模拟,兼顾预测精度与计算效率,为分子性质预测提供了全新路径。背景方面,传统依赖静态三维结构的表征方法难以反映分子的真实动态行为,而现有的4D-QSAR方法计算成本高且时间信息整合效率低下。研究目的是为了解决这些问题,提出了MCST-AFN框架,包含低保真分子动力学模型N-ProtMD、多通道注意力融合网络CBAR-Net和原子掩码预测任务。实验结果表明,MCST-AFN在多个数据集上表现优异,性能提升显著,同时计算效率大幅提高。结论指出,MCST-AFN实现了分子性质预测领域“精度–效率”双提升,具备加速新药筛选、降低实验成本、推动AI赋能分子科学的广阔前景。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。