SMILESGNN：基于SMILES与图跨注意力融合的可解释临床药物毒性预测模型
针对药物研发中毒性预测面临的样本严重失衡、骨架泛化差以及缺乏临床可解释性等难题，研究人员提出了多模态网络架构 SMILESGNN。该模型通过交叉注意力机制，融合了 SMILES Transformer 编码器与 GATv2 图编码器，弥补了单一序列模型无法提供图归因解释的缺陷。此外，研究还推出了预训练变体 SMILESGNN-PT，有效提升了分子表征的泛化性能与临床解释能力。
DC AI 热点
全部 AI 动态
9月25日2026-09-25
OPDiv：用于高分且多样化候选化合物最优筛选的算法
针对虚拟药物筛选中候选分子众多但实际合成与测试资源受限的痛点，研究人员提出了OPDiv多样性选择与评估算法。在化合物筛选过程中，高预测分数与分子结构多样性往往存在权衡取舍。该算法基于整数优化技术，能够在保证化合物高评分的同时最大化样本多样性，自动计算出最优的Top-K分子子集，为药物发现后期的合成验证提供更高效的决策支持。
9月24日2026-09-24
AI制药公司Enveda获3.11亿美元融资，估值达20亿美元
AI 生物技术公司 Enveda 成功筹集 3.11 亿美元新一轮资金，投后估值达 20 亿美元。该公司利用人工智能从天然产物中挖掘药物分子，新资金将用于加速更多候选药物进入临床试验。目前，Enveda 正在开展多项药物研发与测试，其中包括针对皮肤疾病的治疗方案，以及帮助患者在停用 GLP-1 减肥药后维持减重成果的创新药物。