夜雨聆风
关注药骧AI，了解更多AI制药新进展~
今日导读
本期日报精选10篇AI制药前沿文献。 AI制药类研究包括：SGLEPocket：空间门控和局部特征...、RNA药物发现中的二级结构预测、DeepMIF：基于多视图交互融合的RN...。 主要来源期刊：Journal of chemical information and modeling、biorxiv等。
SGLEPocket：空间门控和局部特征增强网络预测蛋白-配体结合口袋
【英文标题】SGLEPocket: A Spatial Gating and Local Feature Enhancement Network for Protein-Ligand Binding Pocket Prediction.
| 期刊：Journal of chemical information and modeling | 类别：小分子AI制药相关
★亮点解读：SGLEPocket网络的核心创新在于融合空间门控和局部特征增强技术，有效捕捉蛋白质内部长距离语义信息，提高结合口袋特征的精确表征。关键结果显示，该网络在预测蛋白-配体结合口袋方面具有高准确性和鲁棒性。这一成果对AI制药领域具有重要应用价值，为药物发现和设计提供了一种新的高效工具。
RNA药物发现中的二级结构预测
【英文标题】Exploring Secondary Structure Predictions for RNA-Targeted Drug Discovery: Power and Challenges.
| 期刊：Journal of chemical information and modeling | 类别：小分子AI制药相关
★亮点解读：该研究在RNA药物发现领域的核心创新在于开发了一种预测RNA二级结构的方法，有效弥补了RNA序列与结构之间的信息差距。关键结果显示，该方法能快速识别新RNA序列中的药物作用位点，显著提高了RNA药物发现的效率和准确性。这项技术的应用价值在于为AI制药领域提供了一种新的工具，有助于加速RNA药物的研发进程，具有重要的实际意义。
DeepMIF：基于多视图交互融合的RNA-小分子亲和力预测
【英文标题】DeepMIF: A Multiview Interactive Fusion-Based Deep Learning Method for RNA-Small Molecule Binding Affinity Prediction.
| 期刊：Journal of chemical information and modeling | 类别：小分子AI制药相关
★亮点解读：DeepMIF研究的核心创新在于提出了一种基于多视图交互融合的深度学习框架，该框架能够综合利用RNA和分子的多种特征信息，提高预测RNA与小分子结合亲和力的准确性。关键结果显示，DeepMIF在多个数据集上均取得了优于现有方法的性能指标，验证了其预测能力。这一成果对AI制药领域具有重要应用价值，特别是在RNA靶向药物的发现和开发过程中，DeepMIF能够为药物设计提供准确的亲和力预测，加速药物筛选和优化过程。
GLP-1受体激活机制的分子动力学模拟研究
【英文标题】Unveiling the Activation Mechanism of Glucagon-Like Peptide-1 Receptor by an Ago-Allosteric Modulator via Molecular Dynamics Simulations.
| 期刊：Journal of chemical information and modeling | 类别：小分子AI制药相关
★亮点解读：该研究通过分子动力学模拟技术，揭示了Ago-Allosteric Modulator激活GLP-1受体的机制，为代谢疾病治疗提供新策略。核心创新在于利用先进的分子动力学模拟方法，深入探究了Ago-Allosteric Modulator与GLP-1受体的相互作用。关键结果显示，该模拟技术能够准确预测受体激活过程中的关键动态变化，为理解受体激活机制提供了重要信息。应用价值在于，该研究为AI制药领域提供了一种新的策略，有助于开发针对代谢疾病的新型药物，具有重要的临床应用前景。
经颅聚焦超声抑制帕金森病病理振荡
【英文标题】Suppression of pathological oscillations with transcranial focused ultrasound in Parkinson's disease.
| 期刊：Nature communications | 类别：药学重大突破
★亮点解读：本研究通过随机对照交叉试验，创新性地应用经颅超声刺激（TUS）技术，发现130Hz的TUS脉冲能有效调节帕金森病（PD）患者亚核团β波段的病理振荡。这一发现为PD的非侵入性治疗提供了新途径，具有重要的临床应用价值。研究结果表明，TUS能直接调节与PD相关的病理振荡，与现有疗法方向一致，为AI制药领域提供了新的治疗策略。
DeepDTF：双分支变换器融合多组学抗癌药物反应预测
【英文标题】DeepDTF: Dual-Branch Transformer Fusion for Multi-Omics Anticancer Drug Response Prediction
| 期刊：arXiv | 类别：小分子AI制药相关
★亮点解读：DeepDTF研究的核心创新在于提出一种双分支变换器融合框架，通过联合log(IC50)回归和药物敏感性分类，有效解决多组学数据与化学结构药物间的跨模态错位问题。关键结果显示，该框架在多组学抗癌药物反应预测任务中取得了显著的性能提升。这一成果对AI制药领域具有重要应用价值，为利用多组学数据指导抗癌药物研发提供了新的思路和方法。
AI设计BMPR1A结合肽促进软骨再生
【英文标题】AI-guided design of candidate BMPR1A-binding peptides for cartilage regeneration: a multi-tool computational benchmarking study
| 期刊：biorxiv | 类别：小分子AI制药相关
★亮点解读：本研究通过四种AI工具设计出高效力、高安全性的BMPR1A结合肽，用于促进软骨再生。这些肽的效力超越了现有的BMP模拟肽，为AI制药领域提供了一种新的高效软骨再生策略。
基于生物数据增强的变异效应预测
【英文标题】Fitness translocation: improving variant effect prediction with biologically-grounded data augmentation
| 期刊：biorxiv | 类别：大分子AI制药相关
★亮点解读：本研究创新性地提出了“fitness translocation”数据增强策略，通过同源蛋白变异适应度数据增强目标蛋白预测模型。利用蛋白质语言模型嵌入计算差异，显著提高了变异效应预测的准确性。该方法为AI制药领域提供了一种有效的生物数据增强技术，有助于加速药物研发和精准医疗的发展。
DVPNet：基于XAI的可解释基因分析框架
【英文标题】DVPNet: A New XAI-Based Interpretable Genetic Profiling Framework Using Nucleotide Transformer and Probabilistic Circuits
| 期刊：biorxiv | 类别：大分子AI制药相关
★亮点解读：DVPNet研究的核心创新在于融合概率电路和核苷酸变换器，构建了一个基于XAI的可解释基因分析框架。该框架能够量化基因重要性，有效区分癌细胞和正常细胞。关键结果显示，DVPNet在基因分析任务中表现出色，显著提高了区分癌细胞和正常细胞的准确性。这一成果对AI制药领域具有重要应用价值，为精准医疗和个性化治疗方案提供了新的技术支撑。
EvoRMD：结合生物背景和RNA语言模型预测RNA修饰
【英文标题】EvoRMD: Integrating Biological Context and Evolutionary RNA Language Models for Interpretable Prediction of RNA Modifications
| 期刊：biorxiv | 类别：大分子AI制药相关
★亮点解读：EvoRMD研究通过结合生物背景和进化RNA语言模型，提出了一种可解释的RNA修饰预测方法。该方法能有效整合生物学信息，提高预测准确性，对理解RNA修饰在基因表达调控中的作用具有重要意义。这一技术突破为AI制药领域提供了新的工具，有助于加速药物研发进程。
欢迎关注药骧AI，了解更多AI制药新进展~
