待验证50% 置信事实精确时间
生成式分子模型（如变分自编码器、扩散模型、强化学习策略）可以直接设计出满足特定性质的新分子，再由分子动力学模拟预测其与靶点蛋白的结合稳定性。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证一个常见的分子设计落地组合是「生成模型提候选 + 性质模型打分 + 逆合成模型评估可造性」的闭环。78% 相似待验证以列表为单位的处理能力使蛋白质结构预测能够纳入自动化研发管线，而非作为一次性计算实验执行73% 相似待验证分子生成与优化可借助图神经网络（GNN）、变分自编码器（VAE）或扩散模型等生成具有特定性质的全新分子结构73% 相似待验证与早期需要大量同源序列对齐的方法不同，现代蛋白质语言模型可以直接从单条序列预测结构，甚至从头生成具有特定功能的新序列72% 相似待验证这类模型本质上预测的是变异是否影响某种分子表型，而非直接预测临床表现型，从分子预测到疾病关联仍需额外的生物学推断72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1033048API
curl https://kongchang.com/api/v1/knowledge/claims/1033048MCP
get_claim(id=1033048)