暂时未有相关云产品技术能力~
暂无个人介绍
AI在管理临床试验设计和执行中,人和机器还在学习曲线上?
Cell | 分子胶水的兴起
J Cheminform.|基于子结构的神经机器翻译用于逆合成预测
药物开发的社交图谱
Drug Discov. Today | 药物发现中的先进机器学习技术
Nat. Commun. | 深度学习探索可编程RNA开关
Chem. Commun. | 利用基于迁移学习策略的transformer 模型进行Heck反应预测
Drug Discov. Today | 简要综述GNNs用于分子性质预测
Nat. Commun. | 序列到功能的深度学习框架加速工程核糖调节剂设计和优化
Nat. Mach. Intell. | 深度神经网络中的捷径学习
DeepMind的蛋白质折叠AI解决了50年来的生物学重大挑战
ICLR2021 | 利用数据扩充提高蛋白质序列模型的通用性
Nat. Commun. | 多层生物分子网络的鲁棒性研究
Nat. Mach. Intell. | 人工智能的透明度和可重复性
Nat. Mach. Intell. | 基于神经网络的迁移学习用于单细胞RNA-seq分析中的聚类和细胞类型分类...
Angew. Chem. Int. Ed. | 分子机器学习是合成化学的未来吗?
Nat. Mach. Intell. | 可解释性人工智能(xAI)遇上药物发现
PNAS | 基因调控之深度学习揭示免疫细胞分化的调节机制
J. Cheminform. | 基于化学基因组学中深度和浅层学习预测药物特异性
Nat. Commun. | AI语言工具揭示分子运动
KDD 2020 | 理解图表示学习中的负采样
ACM SIGKDD | MoFlow:基于流的分子图生成模型
JCIM| 基于双向RNN的分子生成模型
ACL-BioNLP 2020 | 耶鲁大学实践成果:生物医药知识图谱嵌入模型基准测试
Science | 化学合成文献数字化自动执行通用系统
npj Digit. Med. | 基于人工智能的FDA批准的医疗器械和算法现状
Science | 智能计算揭示前生命化学网络中合成的连接、出现和自我再生
JMC | 分子生成器的图灵测试
Nat.Mach.Intell.| DEcode:深度学习解读差异基因表达原理
Nat. Mach. Intell. | 集成深度学习在生物信息学中的发展与展望
Nat. Mach. Intell. | 华科同济医学院剑桥联手推出新冠预测模型!
JCIM | 用于自动生成类药分子的生成网络复合体(GNC)
JMC | 药物发现中的迁移学习
Nat. Mach. Intell. | FFPred-GAN:“以假乱真“—基于GAN创建合成特征样本改进蛋白质功能预测...
Nat. Biotech. | AI、药物重定位和同行评审
Nat. Med. | 制定指导原则以报告AI在临床试验中的使用
Nat. Med. | 人工智能临床研究新指南
JMC | 人工智能在药物发现中的应用:走进广阔的天地
Nat. Commun. | 机器学习在化学发现中的应用
拜耳与Recursion联手加强数字化药物发现
AAAI 2020 | 视觉问答方法中引入再注意机制
AAAI | 联合建模医学命名实体识别和标准化的神经多任务学习框架
Nat. Rev. Neurol. | 机器学习在神经退行性疾病诊断和治疗中的应用
ProGen:蛋白质生成语言模型
bioRxiv | AI辅助设计针对SARS-CoV-2的表位疫苗
ICML2020 | 基于贝叶斯元学习在关系图上进行小样本关系抽取
bioRxiv | 生物发现和设计的不确定性学习
AAAI | 深度生成模型—NEVAE
AI用于COVID-19的药物发现和疫苗开发
ICML2020 | PGFS:如何保证生成分子是可合成的?强化学习来帮忙