| 共 19 篇文章 |
|
Nature：从“废物”合成药物，看算法“逆天改命”近日，来自AllChemy公司、波兰科学院有机化学研究所和韩国蔚山国立科学技术研究所（UNIST）的Bartosz A. Grzybowski教授团队在Nature 上发表研究论文，他们使用正向合成程序Allchemy，从可商业规模回收的189种废弃化学品中生成了超过3亿个分子的反应网络，并从网络中检索到数万条从“废物”到重... 阅10 转0 评0 公众公开 24-01-06 17:15 |
Nature Computational Science | 用于逆向分子设计的引导扩散模型欢迎向本公众号投稿文献解读类原创文章，投稿邮箱：380198025@qq.com，请将稿件以附件形式发送。c)独特性——有效分子中独特分子的百分比。在这项工作中描述的模型和表示都可以推广到其他任务，研究引入的用于指导分子设计的条件方法可用于将任何无条件扩散模型转变为可控条件生... 阅1 转0 评0 公众公开 23-12-24 15:56 |
为了能够充分利用分子图的结构信息，目前已经有方法尝试分子图作为模型的输入，并在逆合成预测任务中取得了令人印象深刻的成绩，然而，分子图的置换不变性(Permutation Invariance)导致经过顺序打乱的等价SMILES表示形式往往对应了同一个分子图，这使得原有的基于SMILES的数据增强策略无法直接适配于基于分子图的方法，从而进一步导致了目前图... 阅8 转0 评0 公众公开 23-12-24 15:24 |
在大型文献数据上，性能显著下降（R2约为0.2），尽管Buchwald-Hartwig数据集的产量预测任务的R2高达0.94。图3 R 酰胺偶联数据集 （A） 和 Buchwald-Hartwig 数据集 （B） 的得分他们的研究结果表明，虽然大多数模型在精心挑选的HTE数据样本上获得了很好的预测（R2>0.9），但它们对大量不同的文献数据做出了糟糕的预测（R2<0.5）。尽管如... 阅3 转0 评0 公众公开 23-12-24 14:11 |
使用了超过8400种化合物的数据进行模型训练和测试，并比较了分子描述符和分子指纹方法的模型结果。分子描述符采用了Mordred包生成二维（2D）描述符，忽略了3D描述符，以提高预测速度并避免关于3D描述符值的可重复性问题。图2 RF和MLR模型预测值和真实值相关性图3展示了在化学描述符上训练的RF模型的SHAP分析结果，并比较了前11个化学和物理描述... 阅11 转0 评0 公众公开 23-12-24 14:05 |
综述：化学分子预训练模型的研究。二. 分子描述符。AutoEncoding (AE)：输入的分子描述符经过编码得到与之对应的分子向量，再经过解码还原至分子描述符，通过对比输入和输出的差异进行预训练。分子预训练模型可以很好的提取分子描述符中分子特征，可以被广泛的应用于各种下游任务中。分子属性预测(MPP)：分子属性预测，与从头开始训练的模型相... 阅42 转1 评0 公众公开 23-12-20 09:51 |
J Cheminform｜ScaffoldGVAE：基于多视图的图神经网络和变分自编码器生成药物分子骨架2023年10月4日，上海交通大学洪亮教授团队在Journal of Cheminformatics上发表文章ScaffoldGVAE: scaffold generation and hopping of drug molecules via a variational autoencoder based on multi-view graph neural networks。此外，没有侧链添加策略的... 阅1 转0 评0 公众公开 23-12-19 22:27 |
现有的分子性质预测模型基于共价键的分子图，用以在原子层面上表示分子拓扑结构，并且完全忽略了分子内部的非共价相互作用。在这些GDL中，分子被表示为分子图、密度函数或分子表面，可以使用各种深度学习模型，如三维卷积神经网络（3D CNNs）、图神经网络（GNNs）、递归神经网络（RNNs）等，来自动学习分子性质。作者展示了在分子性质预测中，... 阅9 转0 评0 公众公开 23-12-19 22:22 |
对于反应任务（二元反应结果和反应产率），研究了两种网络架构：使用总和（global sum）池化的GNN和使用基于图多transformer池化的图变换神经网络（GTNN）。作者总共采用了八种不同的图神经网络（GNN）以及一个基线方法（ECFP4NN），它们被优化用来预测反应产率和二元反应结果。图3d（中右）展示了为此任务的九种不同神经网络的比较，表明在3D... 阅3 转0 评0 公众公开 23-12-19 22:09 |
