Essence
Fig. 1 | Overview of EPT. EPT is a foundation model for multi-domain 3D molecules.
E(3)-equivariant transformer 기반의 all-atom 기초 모델 EPT를 제안하여 소분자, 단백질, 복합체를 포괄하는 통합 3D 분자 표현 학습을 수행하고, 리간드 결합 친화도 예측 및 항바이러스 약물 발굴에 활용했다.
Evaluation
Novelty: 4/5 Technical Soundness: 3/5 Significance: 4/5 Clarity: 4/5 Overall: 4/5
총평: EPT는 E(3) 대칭성을 엄격히 보존하면서 다중 도메인 3D 분자를 통합 모델링하는 혁신적 기초 모델로, 리간드 결합 예측 및 실제 약물 발굴 응용에서 강력한 성능을 입증했다. 다만 계산 효율성, 데이터 다양성, 실험적 검증 범위에 대한 한계가 향후 개선 과제로 남아있다.
같이 보면 좋은 논문
기반 연구E(3)-equivariant 아키텍처가 EPT 모델의 이론적 기반을 제공한다.
다른 접근단백질-리간드 상호작용 예측의 다른 그래프 기반 접근법
다른 접근포켓 도킹 문제에 대해 다른 그래프 기반 접근을 사용하는 대안적 연구이다.
응용 사례리간드 결합 친화도 예측 등 실제 약물 발굴에 적용된 유사 사례이다.
다른 접근통합 3D 분자 표현을 위한 대안적 기초 모델 접근이다.
후속 연구SPECTER2 유사도 0.96로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
다른 접근3D 분자 표현 학습을 위한 유사한 equivariant transformer 접근을 제시한다.
후속 연구E(3)-등변 그래프 표현을 활용한 단백질-리간드 모델링의 이론적 기반이 된다.
후속 연구메타러닝 기반 분자 표현 학습의 기초 연구
후속 연구SPECTER2 유사도 0.94로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.92로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.93로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.93로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.91로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.94로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.92 기준으로 'ST-JEPA: Joint-Embedding Predictive Architecture for Spatial Transcriptomics'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.92 기준으로 'Symmetry-Constrained Gaussian Processes for Sample-Efficient Molecular Property Prediction'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.94 기준으로 'TerraBind: Fast and Accurate Binding Affinity Prediction through Coarse Structural Representations'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.91 기준으로 'Towards Sub-Second Molecular Docking as a Structural Primitive: A Quantized Consistency Diffusion Framework'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.93로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.94로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.93로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.94 기준으로 'AlloGen: Conformation-Selective Binder Design with Differential State Scoring'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.91 기준으로 'ConTact: Contact-First Antibody CDR Design via Explicit Interface Reasoning'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.94 기준으로 'Contrastive Geometric Learning Unlocks Unified Structure- and Ligand-Based Drug Design'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.93 기준으로 'E1: Retrieval-Augmented Protein Encoder Models'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.93로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.91로 Multimodal Biomedical Data Fusion와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.92 기준으로 'GFFMERGE: Efficient Merging of Graph Neural Force Fields and Beyond'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.95로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
응용 사례항바이러스 약물 발굴에 3D 분자 모델을 적용한 사례이다.
후속 연구SPECTER2 유사도 0.93로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.92로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.93로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
후속 연구SPECTER2 유사도 0.94 기준으로 'Learning Protein Structure-Function Relationships through Knowledge-guided Representation Decomposition'의 AI4S 방법론을 'An equivariant pretrained transformer for unified 3D molecular representation learning'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.
후속 연구SPECTER2 유사도 0.94로 Computational Molecular Design와 AI-Driven Drug and Materials Discovery가 맞닿아, 'An equivariant pretrained transformer for unified 3D molecular representation learning'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.
