PepDDG
通过信息通道分解预测多肽–蛋白质结合的 ΔΔG。
NeurIPS 2026探索研究思路 ↗
接收状态来自 Richard 自述,公开论文与作者信息尚待核实。
多肽 AI / 精选研究
多肽表征与学习是这组研究的主线。PepDDG、PepLand 与 PepHarmony 连接序列、结构和功能;其他分子方法及临床建模研究列在后面的独立分组。
通过信息通道分解预测多肽–蛋白质结合的 ΔΔG。
接收状态来自 Richard 自述,公开论文与作者信息尚待核实。
用多视图异构图学习涵盖天然与非天然氨基酸的多肽表征。
通过序列–结构对比学习获取多肽表征。
量化定义抗菌肽活性悬崖,并构建专门评测。
针对稀缺、不平衡的分子性质标签进行少样本与对比学习。
融合分子图与化学知识;论文中的实现采用 ChatGPT 生成的知识。
从图像中识别化学结构。
通过 Pareto 优化的遗传搜索,用互补 helper 特征增强特征选择。
面向电子健康记录的可解释预后特征选择与压缩。
用异构图注意力与对抗训练学习公平的电子健康记录表征。