- 综合排序
- 最热优先
- 最新优先
- 来自专栏DrugOne
. | ResGen: 基于多尺度建模的3D口袋分子生成方法
与此同时，原子组件尺度的自动回归使 ResGen 能够直接生成三维分子。 图1：ResGen算法框架示意图。 如表 1 所示，ResGen 在Vina Score上的表现意味着 ResGen 比其他两个 SOTA 模型更有机会生成和靶标结合更紧密的分子，作者认为这可以归功于ResGen的多尺度建模表征结构，因为这种结构更有利于捕捉蛋白质口袋和配体间更高层次的相互作用 如表 1 所示，ResGen 在 SA 和 Lipinski 指标上得分最高，这表明 ResGen 更有可能为这些未见过的蛋白质口袋生成易于合成的类药配体。 另一个有趣的现象是，ResGen 获得的 COV 指标（96.68%）几乎与 SOTA 构象生成模型的 COV 指标（约 90%）相当，这暗示ResGen 在未来或许可以应用于另一项与分子生成密切相关的任务
1K42编辑于 2023-09-19 Nat. Commun. | 原子、键双扩散+性质引导的靶点感知3D分子生成模型
近年来兴起的3D分子生成模型虽转向SBDD思路，但仍有两大瓶颈：一是自回归模型（如ResGen、PocketFlow）需按固定顺序生成原子，易丢失全局信息，导致分子片段化或误差累积；二是现有扩散模型（如 该图包含 7 个子图（a-g），分别对比了 ResGen、PocketFlow、GCDM、TargetDiff、DiffSBDD、PMDM 及 DiffGui 七种模型生成分子的 C-C 键距离分布与参考分子 参考分子的 C-C 键距离主要分布在 1.3-1.6Å，且在 1.4Å 和 1.5Å 处有两个明显峰值；ResGen、PocketFlow 等模型或仅出现单一峰值（如 ResGen 在 1.4Å 附近） 参考分子的全原子对距离在 1.5Å、2.5Å、3.5Å 处有三个显著峰值，且在 4-6.5Å 处有延伸的肩峰；ResGen、GCDM 等模型难以同时拟合短程与长程分子相互作用（如 ResGen 无法复现多峰值特征 ResGen 和 GCDM 虽展现出较低的中位数 RMSD，但这源于其生成小分子片段（ResGen 易提前终止，GCDM 因计算成本简化生成）；而 DiffGui 在两种场景下均稳定实现约 1Å 的中位数
21310编辑于 2026-01-08- 来自专栏DrugOne
J. Chem. Inf. Model. | AI驱动的一站式创新药物发现平台DrugFlow2.0
平台核心算法包括CarsiLinker、CarsiLinker3D、ResGen、Delete、Smiles-GPT和FragGPT。 ResGen通过两种自回归策略来分别学习配体与蛋白之间的相互作用以及每个原子的几何分布，进而可实现在蛋白口袋内的从头分子生成。 Delete则在ResGen的基础上进一步引入了基于表面的蛋白表征策略以及统一的掩码策略，以适用于不同的分子优化任务。
1.1K10编辑于 2024-07-05 - 来自专栏开源心路
hive报错---安装系列六
</Root> </Loggers> </Configuration> 5. java.lang.NoClassDefFoundError: org/eigenbase/resgen java.security.SecureClassLoader.defineClass(SecureClassLoader.java:142) Caused by: java.lang.ClassNotFoundException: org.eigenbase.resgen.ShadowResourceBundle at java.net.URLClassLoader$1.run(URLClassLoader.java:366) 处理办法：加入jar包 eigenbase-resgen.jar 6. mondrian.olap.MondrianException
75730编辑于 2023-06-29 - 来自专栏智药邦
Nat Commun｜全球健康药物研发中心/微软研究院科学智能中心：通过化学语言模型生成靶向分子的药物设计
为了衡量TamGen的整体性能，研究人员将本文的方法与最近提出的五种方法进行了比较：liGAN、3D-AR（提出的方法没有缩写，因此将其称为3D-AR）、Pocket2Mol、ResGen和TargetDiff 这使得TamGen的速度分别比ResGen、TargetDiff、Pocket2Mol和3D-AR快85、154、213和394倍。 总之，研究结果表明，TamGen在生成新化合物方面既有效又高效。
45510编辑于 2024-11-07 - 来自专栏DrugOne
Nat. Comput. Sci. | ECloudGen:利用电子云作为潜在变量扩展基于结构的分子设计
得益于扩散模型和大语言模型的崛起，研究人员能够处理更复杂的条件生成任务，从而催生出一系列 SBMG 模型，如 DiffBP、ResGen、Pocket2Mol 等。 图1｜稀疏化学空间悖论与 ECloudGen 结果 结合力与药物相似性 ECloudGen 与十种主流基线模型（Pkt2Mol、ResGen、GraphBP、FragGen、DiffBP、TargetDiff
22910编辑于 2025-11-17 - 来自专栏张善友的专栏
Line Counter - Writing a Visual Studio 2005 Add-In
\SDK\v2.0\Bin\Resgen" $(ProjectDir)ResourceUI.resx "$(SystemRoot)\Microsoft.NET\Framework\v2.0.50727\ This is important, as otherwise the Resgen command will not be able to find the files referenced by the Also note that you will need to have the .NET 2.0 SDK installed, otherwise the Resgen command will not
1.3K80发布于 2018-01-29 - 来自专栏walterlv - 吕毅的博客
编写 MSBuild 内联编译任务（Task）用于获取当前编译环境下的所有编译目标（Target）
GetItemTargetPaths 输出的 Target：SplitResourcesByCulture 输出的 Target：CreateCustomManifestResourceNames 输出的 Target：ResGen
1.5K20发布于 2020-02-10 - 来自专栏DrugOne
Nat. Commun. | 知识引导扩散模型助力3D配体-药效团映射
在结构引导的分子生成领域，也有多个深度学习算法相继被提出，如 TargetDiff、ResGen、SurfGen 和 PockeFlow，其中部分模型已成功用于新命中/先导化合物发现的验证。
42501编辑于 2025-03-11 - 来自专栏DrugOne
Nat. Commun. | Token-Mol 1.0：基于大语言模型的词元化药物设计
基于口袋的分子生成 在基于口袋的分子生成任务中，Token-Mol整合了ResGen口袋编码器和融合模块（如图1d）来表征蛋白质口袋，并在微调过程中确保其参数保持不变。
43910编辑于 2025-05-15 - 来自专栏DrugOne
Nat. Comput. Sci. | Bruno Correia团队提出等变扩散模型DiffSBDD
与其他基线模型的比较 图 2 作者首先探讨DiffSBDD模型其是否能够准确表征真实配体的性质，并将结果与四种近期发布的自回归模型进行比较，包括Pocket2Mol、ResGen、PocketFlow和
40900编辑于 2025-01-16 - 来自专栏DrugOne
arXiv｜深圳大学朱泽轩/浙江大学侯廷军等：基于片段语言模型与蒙特卡洛树搜索的闭环靶向分子设计
代表性方法包括Pocket2Mol、ResGen以及FragGen。
18710编辑于 2026-01-26 - 来自专栏DrugOne
Nat.Mach.Intell.｜Delete：基于深度学习的先导化合物优化模型
如 DiffSBDD、Pocket2Mol 和 ResGen，它们将蛋白质结构视为硬条件，直接在口袋内生成分子。
46800编辑于 2025-02-21 Nat. Commun. | ClickGen：基于模块化反应与强化学习的可合成化学空间定向探索
：logP、合成可及性系数、QSAR活性预测值 • 局限：忽略分子三维构象，与蛋白口袋的3D交互建模不充分 受体为中心（Receptor-centric）方法 • 代表：RELATION、LIGAN、ResGen
8310编辑于 2026-04-13- 来自专栏DrugOne
Nat. Commun. | ClickGen: 一种基于模块化反应和强化学习对可合成化学空间定向探索的生成式AI模型
为克服配体生成方法的局限性，基于受体的方法应运而生，这些方法采用3D分子表示，例如LIGAN、ResGen和SurfGen。
87310编辑于 2024-11-26 - 来自专栏DrugOne
Chem. Soc. Rev. | 深度学习时代如何建模蛋白-配体相互作用助力药物发现
这类方法通常将分子生成建模为图生成任务、三维空间生成任务或隐空间生成任务，代表性工作包括自回归模型DeepLigBuilder、GraphBP、Pocket2Mol、ResGen、PocketFlow，
35010编辑于 2025-11-17 药物分子表示方法的最新进展及其在骨架跃迁中的应用
在保留关键亚结构的同时擅长生成多样、化学合理的骨架 • 无需重新训练即可高效工作 验证： • 在Binding MOAD数据集上实验验证 • 相比基线方法展现显著改进： • Pocket2Mol • ResGen
12910编辑于 2026-03-30- 来自专栏智药邦
JACS｜浙江大学侯廷军等：生成式AI助力药物分子结构优化全面综述
结构导向先导化合物优化的比喻 在开发去新（de novo）设计模型（ResGen、SurfGen、FragGen）和结构导向先导化合物优化模型（Delete、FFLOM）的过程中，研究团队观察到一个有趣的现象
5.3K10编辑于 2024-12-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号