网友提问 ：尊敬的董秘，您好。公司与腾讯AILab合作开发的GraphGMVAE算法，该算法采用风格迁移的思想，运用深度图学习与高斯混合分布隐空间相结合，能够针对目标靶点的参考分子进行骨架跃迁。请问这是基于dna图形还是小分子图形，或与数据结合的算法？这是否对图形处理器的要求较高？一般这样的深度图学习，数据处理的量是不起很大？
2023-07-31 17:29:56
成都先导 (688222): 回答：尊敬的投资者，您好！成都先导与腾讯 AI Lab的第一阶段合作案例的成果已经发表于ACS Omega，双方共同享有基于AI技术的分子骨架跃迁系统。该算法有望加快药物研发领域中的小分子设计环节，从而减少人力以及时间成本。目前基于AI技术的分子骨架跃迁系统已经在我司多个内外部药物研发项目上进行应用，在有些药化项目上可以看到AI分子生成+SBDD可以明显的缩短DMTA循环周期。具体请参考发表于ACS Omega的文献：A Novel Scalarized Scaffold Hopping Algorithm with Graph-Based Variational Autoencoder for Discovery of JAK1 Inhibitors. ACS Omega (2021) doi:10.1021/acsomega.1c03613
谢谢！
2023-07-31 17:29:56