CausalBind：蛋白质-分子虚拟筛选因果建模方法
热点事件持续更新
CausalBind：蛋白质-分子虚拟筛选因果建模方法
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Loka Li、Jin Tian、Kun Zhang 提出 CausalBind，用 V-structure 因果模型和 Heckman 式选择形式化蛋白质-分子结合中的稀疏跨模态交互，并称在结构稀疏条件下交互概念可成分级识别，论文被 NeurIPS 2026 接收为 Oral。 该方法在 DUD-E 和 LIT-PCBA 基准上一致优于强检索基线，LIT-PCBA 早期富集提升最大，并在靶点和骨架级分布外划分上具备泛化能力。代码已开源。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
CausalBind：面向蛋白质-分子虚拟筛选的因果建模与学习报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.LGCausalBind：面向蛋白质-分子虚拟筛选的因果建模与学习
NeurIPS 2026 Oral 论文提出 CausalBind，用 V-structure 因果模型和 Heckman 式选择形式化蛋白质-分子结合中的稀疏跨模态交互，并证明在结构稀疏条件下交互概念可成分级识别。该方法在 DUD-E 和 LIT-PCBA 基准上一致优于强检索基线，LIT-PCBA 早期富集提升最大，并在靶点和骨架级分布外划分上具备泛化能力，代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。