Neues Modell generiert alle-Atom-Moleküle mit neuronalen Feldern
In einer wegweisenden Veröffentlichung präsentiert das Forschungsteam FuncBind ein einheitliches Modell zur Erzeugung von Molekülen aller Atomtypen. Durch die Nutzung neuronaler Felder werden Moleküle als kontinuierlich…
- In einer wegweisenden Veröffentlichung präsentiert das Forschungsteam FuncBind ein einheitliches Modell zur Erzeugung von Molekülen aller Atomtypen.
- Durch die Nutzung neuronaler Felder werden Moleküle als kontinuierliche atomare Dichten dargestellt, was die bisherige Einschränkung auf einzelne Modale überwindet.
- FuncBind kombiniert scorebasierte Generative Modelle mit modernen Architekturen aus der Computer Vision.
In einer wegweisenden Veröffentlichung präsentiert das Forschungsteam FuncBind ein einheitliches Modell zur Erzeugung von Molekülen aller Atomtypen. Durch die Nutzung neuronaler Felder werden Moleküle als kontinuierliche atomare Dichten dargestellt, was die bisherige Einschränkung auf einzelne Modale überwindet.
FuncBind kombiniert scorebasierte Generative Modelle mit modernen Architekturen aus der Computer Vision. Diese Kombination ermöglicht es, ein einziges Modell auf eine breite Palette atomarer Systeme zu trainieren – von kleinen Molekülen bis hin zu großen Makromolekülen – und dabei variable Atom- bzw. Residuenzahlen sowie nicht-kanonische Aminosäuren zu berücksichtigen.
Die Leistung des Modells ist beeindruckend: Es erzeugt in silico kleine Moleküle, makrozyklische Peptide und Antikörper-Complementarity-Determining-Region-Loops, die auf Zielstrukturen konditioniert sind. Darüber hinaus wurden in vitro neue Antikörperbinder durch die De‑novo‑Neugestaltung des H3‑Loops zweier ausgewählter Ko‑Kristallstrukturen generiert.
Als ergänzende Ressource stellt das Team ein neues Datenset und Benchmark für die struktur‑konditionierte Erzeugung makrozyklischer Peptide vor. Der komplette Code ist öffentlich auf GitHub verfügbar: https://github.com/prescient-design/funcbind.
Welche Linse du auf diese Meldung legen solltest
Dieses Thema ist relevant, weil es zeigt, wie sich KI-Produkte, Modelle oder Rahmenbedingungen in der Praxis verschieben.
Achte zuerst darauf, was sich fuer Nutzer, Builder oder Unternehmen konkret veraendert und ob daraus ein nachhaltiger Trend entsteht.