AI for Science

Unraveling the Mechanism of Drug Binding to SARS-CoV-2 RNA Pseudoknot with Thermodynamics-Driven Machine Learning

用热力学驱动的机器学习揭示药物与SARS-CoV-2 RNA假结的结合机制

Mariia Ivonina, Jakub Rydzewski

专题命中 AI制药 ：机器学习研究药物与RNA结合机制，属于AI制药

AI总结 本研究利用热力学驱动的机器学习方法（光谱映射）从全原子分子动力学轨迹中学习集体变量，揭示了配体结合对SARS-CoV-2 RNA假结拓扑选择性去稳定化的机制，并发现质子化状态是模拟RNA靶向药物作用的关键因素。

KEPLA: A Knowledge-Enhanced Deep Learning Framework for Accurate Protein-Ligand Binding Affinity Prediction

KEPLA：一种用于精确预测蛋白质-配体结合亲和力的知识增强深度学习框架

Han Liu, Keyan Ding, Peilin Chen, Yinwei Wei, Liqiang Nie, Dapeng Wu, Shiqi Wang

专题命中 AI制药 ：预测蛋白质-配体结合亲和力，用于药物发现

AI总结 提出KEPLA框架，通过整合基因本体和配体属性的先验知识，利用全局表示对齐与局部交叉注意力，提升蛋白质-配体结合亲和力预测的准确性，在多个基准数据集上超越现有方法。

Belief-Space Control for Personalized Cancer Treatment via Active Inference

基于主动推理的个性化癌症治疗信念空间控制

Deniz Sargun, H. Bugra Tulay, C. Emre Koksal

专题命中 AI制药 ：主动推理用于个性化癌症治疗

AI总结 提出用主动推理将癌症治疗建模为信念空间规划问题，在测量预算下统一目标导向控制与信息获取，实现患者分类与高效治疗。

Comments 11 pages including appendix

MOLAR: Learning Multimodal Molecular Representations from Noisy Labels

MOLAR: 从噪声标签中学习多模态分子表示

Yingxu Wang, Kunyu Zhang, Nan Yin, Yu Li, Eran Segal

专题命中 AI制药 ：提出多模态分子表示学习框架用于属性预测

AI总结 提出MOLAR框架，通过分离干净属性推断与标签观测，利用图与文本模态的残差证据，从噪声标签中学习多模态分子表示，在自然噪声和标签翻转基准上优于基线方法。

Bayesian Anytime Pareto Set Identification for Multi-Objective Multi-Armed Bandits

贝叶斯任意时间帕累托集识别用于多目标多臂老虎机

Lennert Saerens, Bram Silue, Eleni Litsa, Peter Vrancx, Pieter Libin

专题命中 AI制药 ：多目标分子发现，属于AI制药

AI总结 提出首个任意时间多目标多臂老虎机算法Top-Two帕累托前沿汤普森采样(TTPFTS)，用于帕累托集识别，在合成环境和超大型分子库中验证有效性，并引入不确定性量化指标。

Comments 26 pages, 13 figures