Nat Mach Intell｜南洋理工大学夏克林等：用于分子性质预测的图神经网络
智药邦
2025-08-30 08:00
文章摘要
背景：分子性质预测是药物发现的关键环节，传统方法依赖分子描述符与机器学习结合，而几何深度学习模型（如图神经网络）能直接处理分子图结构数据。研究目的：研究团队提出Kolmogorov-Arnold图神经网络（KA-GNN），将KAN模块融入GNN的节点嵌入、消息传递和读出过程，以提升表达能力、参数效率和可解释性。结论：实验在七个分子基准数据集上验证了KA-GNN在预测精度、计算效率和可解释性方面的优势，其能识别化学关键子结构，为分子建模与药物发现提供了新范式。
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。
推荐文献
Issue Information
DOI: 10.1002/rob.22370
Pub Date : 2025-08-20
Global–Local Hybrid Modulation Network for Retinal Vessel and Coronary Angiograph Segmentation
DOI: 10.1007/s42235-025-00727-3
Pub Date : 2025-08-06
Rigorous integration of single-cell ATAC-seq data using regularized barycentric mapping
DOI: 10.1038/s42256-025-01099-3
Pub Date : 2025-08-26
智药邦
Adv Sci｜BInD：用于多目标结构化药物设计的键和相互作用生成扩散模型.
2025-08-29
山东大学/澳门理工大学魏乐义团队｜面向分子性质预测的分子预训练模型.
2025-08-29
J Med Chem｜北京大学来鲁华等：基于强化学习的环肽binder从头设计.
2025-08-28
ACS Catal｜AI驱动的酶工程：探索未知序列空间与协同效应.
2025-08-28
京公网安备 11010802042870号
