GraphNVP | 用于分子图生成的可逆流模型

分子生成

具有理想药理特性新分子的发现是计算药物发现中的关键问题。传统上，这项任务是通过临床合成候选化合物并对其进行实验来完成的。但是，由于化学空间是巨大的，合成分子并对其进行广泛的实验是非常耗时的任务。从头设计药物不是在分子中寻找具有所需特性的空间，而是设计具有我们感兴趣特性的新化合物。

事实证明，深度学习的最新进展，尤其是深度生成模型在从头药物设计中具有不可估量的价值。

分子表征

将深度学习应用于分子生成的重要步骤是如何表示化合物。早期的模型依赖于SMILES的基于字符串的表示形式。基于RNN的语言模型或变分自动编码器（VAE）用于生成SMILES字符串，然后将其转换为分子。使用SMILES的一个主要问题是，尽管相应的SMILES几乎相似，但它们对SMILES的细微变化并不稳健，从而导致分子截然不同。这些问题促使最近的研究依靠分子的更具表现力的图形表示。因此，这个问题被称为 分子图生成。

GraphNVP | 用于分子图生成的可逆流模型相关推荐

ACM SIGKDD | MoFlow：基于流的分子图生成模型
今天给大家介绍的是康奈尔大学医学院(Weill Cornell Medicine)健康科学系(Department of Population Health Sciences)的博士后研究助理臧承熙于 ...
DGL | 基于深度图学习框架DGL的分子图生成
引言 Deep Graph Library (DGL) 是一个在图上做深度学习的框架.在0.3.1版本中,DGL支持了基于PyTorch的化学模型库. 如何生成分子图是我感兴趣的. 环境准备 PyTo ...
MG-BERT | 利用无监督原子表示学习预测分子性质 | 在分子图上应用BERT | GNN | 无监督学习(掩蔽原子预训练) | attention
分子性质预测的的大部分文章,本质是研究分子的表示学习,然后应用到性质预测任务. 有分子性质预测的文章,关键词是"property prediction",也有专门研究毒性的文章,关 ...
MolCLR | 对比学习在分子图表示任务中大有作为
今天给大家介绍卡耐基梅隆大学Amir Barati Farimani团队近期发表在arxiv上的关于如何利用对比学习和图神经网络进行分子表示,并服务于下游任务的研究.分子机器学习在分子性质预测和药物发 ...
NeurIPS22 | 分子图分布外泛化与因果不变性
点击蓝字关注我们 AI TIME欢迎每一位AI爱好者的加入! 分布外泛化(Out-of-Distribution Generalization,简称OOD泛化)旨在解决训练数据与测试数据分布不一致的 ...
MGF6mARice：利用分子图特征和残差块预测水稻DNAn6-甲基腺嘌呤位点
期刊:Briefings in Bioinformatics 代码链接:https://github.com/zhlSunLab/MGF6mARice 摘要 DNA N6-甲基腺嘌呤(6 mA)是由腺 ...
记录批量将smiles转化为mol，并将分子图保存为png代码
这个代码可以用于自动把所有分子的分子图保存为png格式. import sys sys.path.append('/home/li/.conda/envs/li/lib/python3.7/site- ...
今晚直播 | 旷视研究院王毅：用于条件图像生成的注意力归一化
「PW Live」是 PaperWeekly 的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和交流可能会让知识的传播更加有意义, ...

GraphNVP | 用于分子图生成的可逆流模型

分子生成

分子表征

GraphNVP | 用于分子图生成的可逆流模型相关推荐

最新文章

热门文章