用于准确预测蛋白质结合界面的节能、高效、无参数几何深度学习
编辑 | 萝卜皮蛋白质是生命必不可少的分子组成部分,它们特定的分子相互作用搭建起了生命的大多数生物学功能。然而,预测它们的结合界面仍然是一个挑战。洛桑联邦理工学院(EPFL)和瑞士生物信息学研究所(SIB)的研究人员提出了一个几何 Transformer,它直接作用于仅标有元素名称的原子坐标。由此产...
上海交通大学王宇光:几何深度学习和图神经网络的研究进展和趋势
以下为王宇光在机器之心 AI 科技年会上的演讲内容,机器之心进行了不改变原意的编辑、整理:大家下午好,我是上海交大自然科学研究院的王宇光。今天主要给大家介绍一下几何深度学习和图神经网络的研究进展,以及未来的技术趋势。我们知道几何深度学习是用于处理不同对象的深度神经网络,其结构和传统 CNN 相似,只...
可对药物分子进行表征的几何深度学习
编辑 | 萝卜皮几何深度学习(GDL)基于包含和处理对称信息的神经网络架构。GDL 为依赖于具有不同对称性和抽象级别的分子表示的分子建模应用程序带来了希望。苏黎世联邦理工学院的研究人员对分子 GDL 进行了结构化和统一概述,重点介绍了其在药物发现、化学合成预测和量子化学中的应用。它包含对 GDL 原...
「几何深度学习」从古希腊到AlphaFold,「图神经网络」起源于物理与化学
【新智元导读】最近大火的「几何深度学习」到底是怎么出现的?创始人Michael Bronstein发布系列长文,带你从头开始回忆。2016年,牛津大学教授、Twitter的图机器学习研究负责人Michael Bronstein发布了一篇论文,首次引入几何深度学习(Geometric Deep Lea...
RL向左?几何深度学习向右?通往第三代人工智能的理论之路如何走?
目前,机器学习系统可以解决计算机视觉、语音识别和自然语言处理等诸多领域的一系列挑战性问题,但设计出媲美人类推理的灵活性和通用性的学习赋能(learning-enable)系统仍是遥不可及的事情。这就引发了很多关于「现代机器学习可能缺失了哪些成分」的讨论,并就该领域必须解决哪些大问题提出了很多假设。问...
Nat. Methods | 基于几何深度学习解密蛋白分子表面的相互作用指纹
2019年12月,洛桑联邦理工学院和瑞士生物信息研究所的研究者在nature methods上提出使用分子表面的化学和几何指纹,来预测蛋白质和其他分子间的相互作用。1介绍蛋白质与其他生物分子之间的相互作用是大多数生物过程中蛋白质功能的基础。仅从结构预测这些相互作用仍然是结构生物学中最重要的挑战之一。...
本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。
产品推荐
社区圈子