152 पेपर
यह शोध प्रबंध संरचनात्मक पदानुक्रमों को पकड़ने वाली विशिष्ट आर्किटेक्चर विकसित करके और परस्पर क्रिया करने वाले होमोलॉग्स की पहचान करने तथा नवीन प्रोटीन अनुक्रमों को डिजाइन करने के लिए अनुक्रम स्थानों (sequence spaces) में कुशलतापूर्वक नेविगेट करने हेतु खोज एल्गोरिदम बनाकर प्रोटीन कॉम्प्लेक्स भविष्यवाणी और डिजाइन को उन्नत करने के लिए डीप लर्निंग का लाभ उठाता है।
यह शोध पत्र PROTAC गतिविधि भविष्यवाणी में सामान्यीकरण अंतराल (generalization gap) का विश्लेषण करता है, जिसमें अंतर-प्रयोगशाला माप भिन्नता (inter-laboratory measurement variance) को प्रमुख सीमित कारक के रूप में पहचाना गया है जो लगभग 0.67 AUROC के आसपास एक प्रदर्शन सीमा उत्पन्न करता है, साथ ही इन मूल्यांकन चुनौतियोंों को संबोधित करने के लिए PROTAC-Bench डेटासेट और अंशांकन प्रोटोकॉल (calibration protocols) प्रस्तुत करता है।
यह शोध पत्र सुपरग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (SGRPO) को पेश करता है, जो एक लचीला ढांचा है जो विभिन्न आणविक और प्रोटीन डिज़ाइन बेंचमार्क में उपयोगिता-विविधता पारेटो फ्रंटियर (utility-diversity Pareto frontier) का विस्तार करने के लिए, बायोमॉलिक्यूलर जनरेशन कार्यों में उपयोगिता और विविधता दोनों को प्रभावी ढंग से अलग करने और एक साथ अनुकूलित करने हेतु कैंडिडेट सुपरग्रुप्स से सेट-स्तरीय विविधता पुरस्कारों का निर्माण करता है।
यह शोध पत्र यति (Yeti) को प्रस्तुत करता है, जो लुकअप-फ्री क्वांटाइजेशन और फ्लो मैचिंग पर आधारित एक संक्षिप्त और अभिव्यंजक प्रोटीन संरचना टोकेनाइज़र है, जो उच्च पुनर्निर्माण सटीकता और टोकन विविधता प्राप्त करता है, जिससे छोटे मल्टीमॉडल मॉडल को प्रशिक्षित करना सक्षम होता है जो शून्य से ही विश्वसनीय प्रोटीन अनुक्रम और संरचनाएं उत्पन्न कर सकते हैं।
यह शोध पत्र CA-DEL को प्रस्तुत करता है, जो एक नवीन मल्टी-टारगेट, मल्टी-मोडल बेंचमार्क है जिसे शोर युक्त (noisy) डीएनए-एन्कोडेड लाइब्रेरी (DEL) अनुक्रमण डेटा पर मॉडलों को प्रशिक्षित करने और होमोलॉगस कार्बोनिक एनहाइड्रेज आइसोफॉर्म्स में वास्तविक बाइंडिंग एफिनिटी की भविष्यवाणी करने की उनकी क्षमता का कड़ाई से मूल्यांकन करने द्वारा ड्रग डिस्कवरी में मशीन लर्निंग को उन्नत करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र ओपन-सोर्स टूल्स के एक व्यापक सर्वेक्षण, 43,005 वायरल प्रोटीन-लिगैंड इंटरैक्शन के एक क्यूरेटेड डेटासेट और 15 एआई-आधारित मॉडलों के एक बेंचमार्क को प्रस्तुत करके एंटीवायरल ड्रग डिस्कवरी में निवेश बढ़ाने की वकालत करता है, जो बाइंडिंग एफिनिटी (binding affinity) की भविष्यवाणी करने के लिए बोलट्ज़-2 (Boltz-2) और ड्रगफॉर्मडीटीए (DrugFormDTA) जैसे फाइन-ट्यून्ड मशीन लर्निंग दृष्टिकोणों के बेहतर प्रदर्शन को प्रदर्शित करता है।
Ligandformer एक मल्टी-लेयर सेल्फ-अटेंशन ग्राफ न्यूरल नेटवर्क फ्रेमवर्क है जो उच्च सटीकता, मजबूती और सामान्यीकरण के साथ यौगिक गुणों की भविष्यवाणी करता है और साथ ही अपने भविष्यवाणियों के पीछे के संरचनात्मक तर्कों को प्रकट करने के लिए व्याख्या योग्य अटेंशन मैप प्रदान करता है।
यह अध्ययन LIT-PCBA लाइब्रेरी पर विभिन्न डॉकिंग और स्कोरिंग विधियों का मूल्यांकन करता है, जिसमें यह पाया गया कि जबकि सुपरवाइज्ड मशीन लर्निंग री-रैंकिंग, AutoDock-GNINA जैसी एकल विधियों की तुलना में एनरिचमेंट में महत्वपूर्ण सुधार करती है, कोई भी एकल दृष्टिकोण सभी लक्ष्यों पर हावी नहीं होता है, जो यथार्थवादी डेटासेट पर वर्तमान वर्चुअल स्क्रीनिंग वर्कफ़्लो के निरंतर मामूली प्रदर्शन को उजागर करता है।
यह शोध पत्र Q-SFD प्रस्तुत करता है, जो एक क्वाड्रेटिक अनकन्स्ट्रेंड बाइनरी ऑप्टिमाइज़ेशन विधि है जो फ्रैगमेंट-स्तरीय सटीकता से समझौता किए बिना ज्यामितीय रूप से जुड़ने योग्य पोज जोड़ों की रिकवरी को महत्वपूर्ण रूप से बढ़ाने के लिए एक स्पष्ट दूरी प्रतिबंध के साथ दो आणविक टुकड़ों (मॉलिक्यूलर फ्रैगमेंट्स) को एक साथ डॉक करता है।
यह शोधपत्र एजेंटिक एआई (agentic AI) की दो विशिष्ट प्लेटफार्मों को स्वायत्त रूप से संचालित करने की क्षमता को प्रदर्शित करता है: एक जो मानव-मानव और वायरस-मानव प्रोटीन-प्रोटीन इंटरैक्शन के लिए उच्च-सटीकता वाले भविष्य कहनेवाला मशीन लर्निंग मॉडल बनाता है, और दूसरा जो उन मॉडलों के निष्कर्षों के अनुरूप व्याख्या योग्य, मानव-पठनीय नियम प्रेरित करता है।