待验证50% 置信事实精确时间

研究者基于ChEMBL的化合物-靶点相互作用数据构建了一个用于评估特异性优化任务的基准，其中预期靶点通过药物机制注释识别，脱靶蛋白通过实测活性数据确定

1

来源数

50%

置信度

长期有效

时效性

2026/9/21

首次发现

来源

SpecOpt：用智能体优化药物分子的靶向特异性

涉及实体

SpecOptconcept ChEMBLproduct

相关事实

待验证理想的假设筛选机制应综合考量新颖性、可验证性、潜在影响力与现有实验条件的匹配度65% 相似已验证研究者通过n-gram重叠检测和成员推断攻击等技术，已在多个主流模型中证实数据污染的广泛存在65% 相似待验证在演示中UP主用Semantica跑了一个药物研究案例，输入一条已有信息加一个判断条件后系统快速筛出一个新的候选研究方向64% 相似待验证研究人员利用Codex和ChatGPT编写和优化处理海量生物数据的代码，加速从原始序列中识别、提取和评估潜在抗菌肽候选的过程63% 相似待验证投机解码的实际加速效果高度依赖草稿模型与目标模型的匹配程度，接受率是评估其有效性的关键数据63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/938063

API

curl https://kongchang.com/api/v1/knowledge/claims/938063

MCP

get_claim(id=938063)