Papers with Code 아카이브

Blind Docking

태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.

전체 기법전체 데이터셋

하위 태스크

0

평가표

2

보존된 평가 기록

18

코드

관련 논문과 평가 결과에 연결된 구현입니다. 출처에서 확인된 저자 구현에는 공식 코드 표시가 있습니다.

https://github.com/HannesStark/EquiBind

공식 코드

EquiBind: Geometric Deep Learning for Drug Binding Structure Prediction

https://github.com/balytskyijaroslaw/rapid-net

공식 코드

Accurate Pocket Identification for Binding-Site-Agnostic Docking

https://github.com/bioinfomachinelearning/flowdock

공식 코드

FlowDock: Geometric Flow Matching for Generative Protein-Ligand Docking and Affinity Prediction

https://github.com/cataai/posex

공식 코드

PoseX: AI Defeats Physics Approaches on Protein-Ligand Cross Docking

https://github.com/gcorso/diffdock

공식 코드

DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking

https://github.com/jiaxianyan/DeltaDock

공식 코드

DeltaDock: A Unified Framework for Accurate, Efficient, and Physically Reliable Molecular Docking

https://github.com/ldeng0205/confidence-bootstrapping

공식 코드

Deep Confident Steps to New Pockets: Strategies for Docking Generalization

https://github.com/qizhipei/fabind

공식 코드

FABind: Fast and Accurate Protein-Ligand Binding

https://github.com/tmlr-group/fabflex

공식 코드

Fast and Accurate Blind Flexible Docking

https://github.com/youqingxiaozhua/deepternary

공식 코드

SE(3)-Equivariant Ternary Complex Prediction Towards Target Protein Degradation

https://github.com/zrqiao/NeuralPLexer

공식 코드

State-specific protein-ligand complex structure prediction with a multi-scale deep generative model

https://github.com/bioinfomachinelearning/posebench

FlowDock: Geometric Flow Matching for Generative Protein-Ligand Docking and Affinity Prediction

https://github.com/chenruduan/oareactdiff

DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking

출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.