papers for molecular design using DL

Generative AIとDeep Learningを用いた分子・材料設計（分子立体構造生成）一覧

分子/薬物設計および分子構造生成のための生成 AIおよび深層学習に関連。

更新中...

分子の最適化

分子最適化は大歓迎です！

メニュー

生成型人工知能と深層学習を用いた分子（医薬品）設計

メニュー	メニュー	メニュー	メニュー
科学的発見のための生成 AI	レビュー	データセットとベンチマーク	薬物らしさと評価指標
深層学習ベースの設計	テキスト駆動の分子生成モデル	マルチターゲットベースの深層分子生成モデル	リガンドベースの深層分子生成モデル
ファーマコフォアに基づく深層分子生成モデル	構造ベースの深層分子生成モデル	フラグメントベースの深層分子生成モデル	足場ベースの DMG
フラグメントベースの DMG	モチーフベースの DMG	リンカーベースの DMG	化学反応に基づく深層分子生成モデル
オミクスベースの深層分子生成モデル	多目的の深層分子生成モデル	量子深層分子生成モデル	推奨事項と参考資料
スペクトル(質量/NMR)ベース	質量スペクトルベース	NMRスペクトルベース	クライオEMマップベース

• 薬物らしさと評価指標

データセット	ベンチマーク	麻薬性	評価指標
データセット	ベンチマーク	QED	SAスコア
		ケッピ	RAスコア
			評価指標
			分子生成的検証

• 分子立体構造の生成 AI

メニュー	メニュー
分子配座異性体アンサンブルのベンチマーク	分子立体構造生成に関するレビュー
VAE ベースの分子立体構造生成	GAN ベースの分子立体構造生成
エネルギーベースの分子立体構造生成
拡散に基づく分子立体構造の生成
RL ベースの分子立体構造生成
GNN ベースの分子立体構造生成

• 深層学習ベースの医薬品設計

メニュー	メニュー	メニュー	メニュー
RNNベース	LSTMベース	自己回帰モデル	トランスベース
VAEベース	GANベース	フローベース	プロンプトベース
スコアベース	エネルギーベース	拡散ベース	アクティブ ラーニング DMG
RLベース	マルチタスク DMG	モンテカルロツリー検索	遺伝的アルゴリズムベース
進化的アルゴリズムベース	大規模言語モデルベース

生成人工知能とディープラーニングを使用したマテリアルデザイン

• ディープラーニングベースのマテリアルデザイン

メニュー	メニュー	メニュー	メニュー

推奨事項と参考資料

素晴らしい-AI4タンパク質構造-MD

https://github.com/AspirinCode/awesome-AI4ProteinConformation-MD

生物医学、分子、タンパク質、材料発見のための大規模言語モデル

https://github.com/HHW-zhou/LLM4Mol

深層学習を用いたタンパク質設計に関する論文一覧

https://github.com/Peldom/papers_for_protein_design_using_DL

素晴らしい生成 AI

https://github.com/steven2358/awesome-generative-ai

素晴らしい分子生成

https://github.com/amorehead/awesome-molecular-generation

創薬における人工知能に関する調査

https://github.com/dengjianyuan/Survey_AI_Drug_Discovery

創薬とライフサイエンスのための幾何学ディープラーニング

https://github.com/3146830058/Geometry-Deep-Learning-for-Drug-Discovery-and-Life-Science

科学的発見のための生成 AI

• 科学的発見のための生成ツールキットで材料設計を加速する
  マニカ、マッテオとカドー、ジョリスとクリストフィデリス、ディミトリオスとデイブ、アシッシュとボルン、ジャニスとクラーク、ディーンとトゥカム、イヴ・ゲイタン・ナナとホフマン、サミュエル・Cとバカン、マシューとチェンタマラクシャン、ヴィジル 他
  npj 計算マスター 9、69 (2023) |コード

レビュー

• De Novo 医薬品設計における拡散モデル[204]
  アラクダール、アミラ、バルナバス・ポチョス、ニューウェル・ウォッシュバーン。
  Ｊ．Ｃｈｅｍ．情報モデル。 (2024年)

• ディープリードの最適化: 構造変更のための生成 AI の活用[2024]
  チャン、オーディン、ハイタオ・リン、ホイ・チャン、ホイフェン・チャオ、ユーフェイ・ファン、ユアンシェン・ファン、徳軍ジャン、チャンユー・シェイ、ペイチェン・パン、ティンジュン・ホウ。
  arXiv:2404.19230 (2024)

• 創薬における生成型人工知能の可能性を解き放つ[2024]
  ロマネッリ、ヴィルジーリオ、カルメン・チェルキア、アントニオ・ラベッキア。
  生成 AI の応用 (2024)

• 自動構造ベースの新規創薬設計における最近の進歩[2024]
  バイ、チーフェン、ジャン・マー、ティンヤン・シュウ。
  Ｊ．Ｃｈｅｍ．情報モデル。 (2024年)

• 創薬のための AI ディープラーニング生成モデル[2024]
  バイ、チーフェン、ジャン・マー、ティンヤン・シュウ。
  生成 AI の応用。チャム: Springer International Publishing (2024)

• De Novo 薬物分子生成における深層生成モデル[2024]
  タン・シャンルー、ハワード・ダイ、エリザベス・ナイト、ファン・ウー、ユンヤン・リー、ティアンシャオ・リー、マーク・ガーシュタイン
  arXiv:2402.08703 (2024) |コード

• De Novo 薬物分子生成における深層生成モデル[2023]
  Chao Pang、Jianbo Qiao、Xiangxiang Zeng、Quan Zou、Leyi Wei*
  Ｊ．Ｃｈｅｍ．情報モデル。 (2023年)

• 深層学習による生成化学へのヒッチハイク ガイド[2023]
  ヤン・イワネンコフ、ボグダン・ザグリベルヌイ、アレックス・マリシェフ、セルゲイ・エフチェフ、ヴィクトル・テレンティエフ、ペトリナ・カムヤ、ドミトリー・ベズルコフ、アレックス・アリパー、フェン・レン、アレックス・ザヴォロンコフ
  ACS医学。化学。レット。 (2023年)

• 生成化学および創薬における近い将来の応用のための量子コンピューティング[2023]
  ピルコフ、アレクセイ、アレックス・アリパー、ドミトリー・ベズルコフ、イェン・チュー・リン、ダニール・ポリコフスキー、ペトリーナ・カムヤ、フェン・レン、アレックス・ザボロンコフ。
  今日の創薬 (2023)

• 構造ベースの医薬品設計のための幾何学深層学習における系統的調査[2023]
  Zaixi Zhang、Jiaxian Yan、Qi Liu、Enhong Chen
  arXiv:2306.11768v2

• 生成 AI は創薬におけるデータサイエンスをどのように破壊するのでしょうか? [2023年]
  ヴェール、JP.
  ナットバイオテクノロジー (2023)

• 化学科学における新たなパラダイムとしての生成モデル[2023]
  アンスティン、ディラン M.、オレキサンドル イサエフ。
  ジャックス (2023)

• 新規創薬のための化学言語モデル: 課題と機会[2023]
  グリゾーニ、フランチェスカ。
  構造生物学の最新見解 79 (2023)

• 多目的医薬品設計における人工知能[2023]
  ルッコネン、ソーヴィ、ヘレ・W・ファン・デン・マーグデンベルグ、マイケル・TM・エメリッヒ、ジェラール・JP・ファン・ヴェステン。
  構造生物学の最新見解 79 (2023)

• 構造ベースのアプローチを生成分子設計に統合する[2023]
  トーマス、モーガン、アンドレアス・ベンダー、クリス・デ・グラーフ。
  構造生物学の最新見解 79 (2023)

• AI駆動型分子情報学におけるオープンサイエンスのためのオープンデータとアルゴリズム[2023]
  ブリンクハウス、ヘニング・オットー、コフラン・ラジャン、ヨナス・シャウブ、アヒム・ジーレスニー、クリストフ・スタインベック。
  構造生物学の最新見解 79 (2023)

• 幾何学的な深層学習による構造ベースの医薬品設計[2023]
  イサート、クレメンス、ケネス・アッツ、ギズバート・シュナイダー。
  構造生物学の最新見解 79 (2023)

• MolGenSurvey: 分子設計のための機械学習モデルの体系的な調査[2022]
  Du、Yuanqi、Tianfan Fu、Jimeng Sun、Shengchao Liu。
  arXiv:2203.14500 (2022)

• 深い生成分子設計が創薬を再構築[2022]
  Zeng、Xiangxiang、Fei Wang、Yuan Luo、Seung-gu Kang、Jian Tang、Felice C. Lightstone、Evandro F. Fang、Wendro Cornell、Ruth Nussinov、Feixiong Cheng。
  Cell Reports 医学 (2022)

• 深層学習による構造ベースの創薬[2022]
  オズチェリク、リザ、デレク・ファン・ティルボルグ、ホセ・ヒメネス・ルナ、フランチェスカ・グリソーニ。
  ケムバイオケム (2022)

• 分子発見のための生成モデル: 最近の進歩と課題[2022]
  ビロドー、カミーユ、ウェンゴン・ジン、トミ・ジャッコラ、レジーナ・バルジライ、クラフス・F・ジェンセン。
  計算分子科学 12.5 (2022)

• 化学組成空間における深い生成モデルの評価[2022]
  テュルク、ハンナ、エリザベッタ・ランディーニ、クリスチャン・クンケル、ヨハネス・T・マルグラフ、カルステン・ロイター。
  材料化学 34.21 (2022)

• 新しい創薬のための生成機械学習: 系統的レビュー[2022]
  マルティネッリ、ドミニク。
  生物学と医学におけるコンピュータ 145 (2022)

• 新薬候補探索におけるドッキングベースの生成的アプローチ[2022]
  ダネル、トマシュ、ヤン・シェスキ、サビナ・ポドレフスカ、イゴール・T・ポドラク。
  今日の創薬 (2022)

• 3 次元深層生成モデルを使用した De Novo 医薬品設計の進歩と課題[2022]
  Xie、Weixin、Fanhao Wang、Yibo Li、Luhua Lai、Jianfeng Pei。
  Ｊ．Ｃｈｅｍ．情報モデル。 2022、62、10、2269–2279

• 逆分子設計を触媒する深層学習[2022]
  Alshehri、Abdulelah S.、Fengqi You。
  化学工学ジャーナル 444 (2022)

• 3D 複合設計における AI [2022]
  ハドフィールド、トーマス E.、シャーロット M. ディーン。
  構造生物学の最新見解 73 (2022)

• 新規創薬のための深層学習アプローチ: 概要[2021]
  Wang、Mingyang、Zhe Wang、Huiyong Sun、Jike Wang、Chao Shen、Gaoqi Weng、Xin Chai、Honglin Li、Dongsheng Cao、Tingjun Hou。
  構造生物学の最新見解 72 (2022)

• 生成化学: 深層学習生成モデルによる創薬[2021]
  ビアン、ユエミン、謝香群。
  分子モデリングジャーナル 27 (2021)

• ターゲットを絞った化合物設計のための生成的深層学習[2021]
  ソウザ、ティアゴ、ジョアン・コレイア、ビトール・ペレイラ、ミゲル・ロシャ。
  Ｊ．Ｃｈｅｍ．情報モデル。 2021、61、11、5343–5361

• De Novo 医薬品設計のための生成モデル[2021]
  Tong、Xiaochu、Xiaohong Liu、Xiaoqin Tan、Xutong Li、Jiaxin Jiang、Zhaoping Xiong、Tingyang Xu、Hualiang Jiang、Nan Qiao、Mingyue Zheng。
  医化学ジャーナル 64.19 (2021)

• 創薬における分子設計: 深い生成モデルの包括的なレビュー[2021]
  チェン、ユウ、ゴン・ヨンシュン、リュウ・ユアンシェン、ソン・ボーシェン、ゾウ・クアン。
  バイオインフォマティクスに関する説明会 22.6 (2021)

• 新しい分子設計と生成モデル[2021]
  マイヤーズ、ジョシュア、ベネデク・ファビアン、ネイサン・ブラウン。
  創薬の今日 26.11 (2021)

• 分子設計のための深層学習—最先端技術のレビュー[2019]
  エルトン、ダニエル・C、ゾイス・ブクバラス、マーク・D・フージ、ピーター・W・チャン。
  分子システム設計および工学 4.4 (2019)

• 機械学習を用いた逆分子設計:物質工学のための生成モデル[2018]
  サンチェス＝レンゲリン、ベンジャミン、アラン・アスプル＝グジク。
  科学 361.6400 (2018)

データセットとベンチマーク

データセット

ドラッグバンク

亜鉛15

亜鉛20

パブケム

ChEMBL

GDB データベース

ケムスパイダー

QM データセット

ココナッツ| Open Natural Products データベースのコレクション

モルデータ
疾患およびターゲットベースの機械学習の分子ベンチマーク
https://github.com/LumosBio/MolData

• 分子科学における小規模データの課題に対する機械学習手法[2023]
  Bozheng Dou、Zailiang Zhu、Ekaterina Merkurjev、Lu Ke、Long Chen、Jian Jiang、Yueying Zhu、Jie Liu、Bengong Zhang、Guo-Wei Wei
  化学。改訂版 (2023)

ベンチマーク

• 逆ポリマー設計のためのディープ生成モデルのベンチマーク研究[2024]
  Yue T、Tao L、Varshney V、Li Y.
  chemrxiv-2024-gzq4r (2024)

• RediscMol: 生物学的特性における分子生成モデルのベンチマーク[2024]
  Weng、Gaoqi、Huifeng Zhao、Dou Nie、Haotian Zhang、Liwei Liu、Tingjun Hou、Yu Kang。
  J.Med.化学。 2024年 |コード

• 生成モデルは少なくとも適切にドッキングする分子を設計できなければなりません: 新しいベンチマーク[2023]
  チェプリンスキ、トビアシュ、トマシュ・ダネル、サビナ・ポドレフスカ、スタニスワフ・ヤストシュブスキ。
  Ｊ．Ｃｈｅｍ．情報モデル。 2023、63、11、3238–3247 |コード

• Tartarus: 現実的かつ実用的な逆分子設計のためのベンチマーク プラットフォーム[2022]
  ニガム、アクシャットクマール、ロバート ポリス、ゲイリー トム、ケル ジョーナー、ルカ A.
  arXiv:2209.12487v1 |コード

• Molecular Sets (MOSES): 分子生成モデルのベンチマーク プラットフォーム[2020]
  ポリコフスキー、ダニイル、アレクサンダー・ジェブラック、ベンジャミン・サンチェス＝レンゲリング、セルゲイ・ゴロバノフ、オクタイ・タタノフ、スタニスラフ・ベリャエフ、ラウフ・クルバノフ 他
  薬理学のフロンティア 11 (2020) |コード

• GuacaMol: de Novo 分子設計のベンチマーク モデル[2019]
  ブラウン、ネイサン、マルコ フィスカート、マーウィン HS セグラー、アラン C. ヴォーシェ。
  Ｊ．Ｃｈｅｍ．情報モデル。 2019、59、3、1096–1108 |コード

薬物らしさと評価指標

薬物らしさは、特定の分子が既知の薬物に類似しているかどうかを決定する、さまざまな分子特性と構造的特徴の複雑なバランスとして定義できます。これらの特性、主に疎水性、電子分布、水素結合特性、分子サイズと柔軟性、そしてもちろんさまざまな薬理学的特徴の存在は、バイオアベイラビリティ、輸送特性、タンパク質への親和性、反応性、毒性、代謝など、生体内の分子の挙動に影響を与えます。安定性やその他多くのこと。

https://github.com/AspirinCode/DrugAI_Drug-Likeness

QED

薬物らしさの定量的推定

• 薬物の化学的美しさを定量化する[2012]
  Bickerton, G.、Paolini, G.、Besnard, J. 他
  Nature Chem 4、90–98 (2012) |コード

ケッピ

薬物らしさをターゲットとしたタンパク質間相互作用の定量的推定

• タンパク質間相互作用を標的とする化合物の早期スクリーニングのための定量的推定指標[2021]
  小杉、高次、大植正人。
  国際分子科学ジャーナル 22.20 (2021) |コード

• 薬物類似性を標的としたタンパク質間相互作用の定量的推定[2021]
  小杉、高次、大植正人。
  CIBCB。 IEEE、(2021) |コード

SAスコア

分子の複雑さとフラグメントの寄与に基づく薬物様分子の合成アクセシビリティスコアの推定
J Cheminform 1、8 (2009) |コード

RAスコア

逆合成アクセシビリティ スコア (RAscore) – AI 主導の逆合成プランニングからの迅速な機械学習による合成可能性の分類
化学科学 12.9 (2021) |コード

評価指標

• ハミルトニアン多様性: 最短のハミルトニアン回路による分子多様性の効果的な測定[2024]
  Hu、X.、Liu、G.、Yao、Q. 他。
  J Cheminform 16, 94 (2024) |コード

• 空間スコア – 低分子の複雑さの包括的なトポロジカル指標[2023]
  クシザノフスキー、エイドリアン、アクセル・パール、マイケル・グリガルナス、ヘルベルト・ヴァルドマン。
  J.Med.化学。 (2023) | chemrxiv-2023-nd1ll |コード

• 新規分子設計のための目標指向生成モデルの評価を促進および標準化するための自動スコアリング機能[2023]
  トーマス、モーガン、ノエル・M・オボイル、アンドレアス・ベンダー、クリス・デ・グラーフ。
  chemrxiv-2023-c4867 |コード

• FCD : フレシェケムネット距離
  Fréchet ChemNet Distance: 創薬における分子の生成モデルの指標 Preuer、Kristina、Philipp Renz、Thomas Unterthiner、Sepp Hochreiter、Gunter Klambauer。
  Ｊ．Ｃｈｅｍ．情報モデル。 2018、58、9、1736–1741 |コード

• パープレキシティに基づく分子ランキングと化学言語モデルのバイアス推定[2022]
  Moret、M.、Grisoni、F.、Katzberger、P.、および Schneider、G.
  Ｊ．Ｃｈｅｍ．情報モデル。 2022、62、5、1199–1206 |コード

分子生成的検証

• 分子生成モデルを現実的に検証することの難しさについて: 公開データと独自データに関するケーススタディ[2023]
  半田和也、トーマスMC、影山正 他
  J Cheminform 15, 112 (2023)

分子立体構造の生成 AI

分子立体構造生成に関するレビュー

• 深層生成ニューラルネットワークを用いた分子立体構造の予測[2023]
  シュウ、コンシェン、イー・ルー、シャオメイ・デン、ペイユアン・ユー。
  中国化学雑誌(2023)

分子配座異性体アンサンブルのベンチマーク

• 分子配座物質アンサンブルに関する学習: データセットとベンチマーク[2023]
  Zhu、Yanqiao、Jeehyun Hwang、Keir Adams、Zhen Liu、Bozhao Nan、Brock Stenfors、Yuanqi Du 他
  NeurIPS 2023 AI for Science ワークショップ。 2023年（2023年） |コード

VAE ベースの分子立体構造生成

• 分子構造変化を探索するためのディープラーニング支援強化サンプリング[2023]
  Haohao Fu、Han Liu、Jingya Xing、Tong Zhao、Xueguang Shao、Wensheng Cai。
  Ｊ．Ｐｈｙｓ．化学。 B (2023)

• バイレベルプログラミングによる分子立体構造生成のためのエンドツーエンドフレームワーク[2021]
  Xu、Minkai、Wojie Wang、Shitong Luo、Chence Shi、Yoshua Bengio、Rafael Gomez-Bombarelli、Jian Tang。
  機械学習に関する国際会議。 PMLR (2021) |コード

GAN ベースの分子立体構造生成

• COSMIC: 敵対的フレームワークを使用した内部座標での分子立体構造空間モデリング[2024]
  クズネツォフ、マクシム、ヒョードル・リャボフ、ロマン・シュツキー、リム・シャヤフメトフ、イェン・チュー・リン、アレックス・アリパー、ダニール・ポリコフスキー。
  Ｊ．Ｃｈｅｍ．情報モデル。 (2024) |コード

エネルギーベースの分子立体構造生成

• エネルギーにインスピレーションを得た分子立体構造の最適化[2022]
  Guan、Jiaqi、Wesley Wei Qian、Wei-Ying Ma、Jianzhu Ma、Jian Peng。
  学習表現に関する国際会議。 (2022) |コード

拡散に基づく分子立体構造の生成

• AGDIFF: 分子幾何学予測のための注意強化拡散[204]
  キム・S.、ウー・J.、ワイオミング州キム
  ChemRxiv。 (2024) |コード

• 2D 分子グラフから遷移状態を探索するための拡散ベースの生成 AI [204]
  キム・S.、ウー・J.、ワイオミング州キム
  Nat Commun 15, 341 (2024) |コード

• 薬物様分子の配座異性体の物理学に基づいた生成モデル[204]
  デヴィッド・C・ウィリアムズ、ニール・イマナ。
  arXiv:2403.07925。 (2024) |コード

• DynamicsDiffusion: 拡散モデルを使用した分子の動的軌道の生成と稀少事象のサンプリング[2023]
  ピーターセン、マグナス、ジェマ・ロイグ、ロベルト・コヴィーノ。
  NeurIPS 2023 AI4サイエンス (2023)

• 分子配座フィールドの生成[2023]
  ユヤン・ワン、アーメド・エルハグ、ナブディープ・ジェイトリー、ジョシュア・サスキンド、ミゲル・バウティスタ。
  [NeurIPS 2023 生成 AI および生物学 (GenBio) ワークショップ (2023)]https://openreview.net/forum?id=Od1KtMeAYo)

• SE(3) 不変空間における拡散に基づく分子立体構造生成の加速について[2023]
  Zhou、Z.、Liu、R.、Yu、T.
  arXiv:2310.04915 (2023))

• スコアの変化による分子立体構造の生成[2023]
  周、紫涵、劉瑞英、朝龍英、張瑞茂、天守宇。
  arXiv:2309.09985 (2023)

• EC-Conf: 等変整合性を備えた分子立体構造生成のための超高速拡散モデル[2023]
  Fan、Zhiguang、Yuedong Yang、Mingyuan Xu、Hongming Chen。
  arXiv:2308.00237 (2023)

• 分子配座異性体生成のためのねじり拡散[2022]
  ジン、ボーウェン、ガブリエレ・コルソ、ジェフリー・チャン、レジーナ・バルジライ、トミ・ジャーッコラ。
  NeurIPS。 (2022) |コード

• GeoDiff: 分子立体構造生成のための幾何学的拡散モデル[2022]
  シュー、ミンカイ、ランタオ・ユー、ヤン・ソン、チェン・シー、ステファノ・エルモン、ジャン・タン。
  学習表現に関する国際会議。 (2022) |コード

RL ベースの分子立体構造生成

• Conformer-RL: 配座異性体生成のための深層強化学習ライブラリ[2022]
  ジャン、ルンシュアン、タルン・ゴギネニ、ジョシュア・カメラード、イーフェイ・ヘ、アンブジ・テワリ、ポール・M・ジマーマン。
  計算化学ジャーナル 43.27 (2022) |コード

GNN ベースの分子立体構造生成

• 2D 分子グラフの事前トレーニングを利用して、グラフ ニューラル ネットワークを使用した 3D 配座異性体の生成を改善[2024]
  ジャン、ルンシュアン、タルン・ゴギネニ、ジョシュア・カメラード、イーフェイ・ヘ、アンブジ・テワリ、ポール・M・ジマーマン。
  コンピューターと化学工学 (2024) |コード

深層学習ベースの医薬品設計

• 生成 AI モデルと構造ベースの薬剤設計を使用したカルバメート Cbl-b 阻害剤の発見の加速[2024]
  Quinn, TR、Giblin, KA、Thomson, C.、Boerth, JA、Bommakanti, G.、Braybrooke, E.、Chan, C.、Chinn, AJ、Code, E.、Cui, C.、および Fan, Y.
  J.Med.化学。 (2024) |コード

• Reinvent 4: 最新の AI 主導の生成分子設計[2024]
  ハネス・H・ロフラー、ジアジェン・何、アレッサンドロ・ティボ、ジョン・ポール・ジャネット、アレクセイ・ヴォロノフ、ルイス・H・マービン、オラ・エンクヴィスト
  化学情報学ジャーナル、16(20) (2024) |コード

• Chemistry42: 分子設計と最適化のための AI 主導のプラットフォーム[2023]
  イワネンコフ、ヤン・A.、ダニール・ポリコフスキー、ドミトリー・ベズルコフ、ボグダン・ザグリベルヌイ、ウラジミール・アラディンスキー、ペトリナ・カムヤ、アレックス・アリパー、フェン・レン、アレックス・ザボロンコフ。
  化学情報およびモデリングジャーナル 63.3 (2023) |ウェブ

RNNベース

• De Novo 医薬品設計のための転写条件付きリカレント ニューラル ネットワーク[2024]
  マツキヨ、天栄寺、李、C、山西、
  Ｊ．Ｃｈｅｍ．情報モデル。 (2024) |コード

• ディープインタラクトーム学習による将来の新規薬剤設計[2024]
  Atz、K.、Cotos、L.、Isert、C. 他。
  Nat Commun 15、3408 (2024) |コード

• CNSMolGen: 新たな中枢神経系薬剤設計のための双方向リカレント ニューラル ネットワーク ベースの生成モデル[2024]
  ゴウ、ロンペイ、ヤン・ジンイー、グオ・メンハン、チェン・インジュン、シュエ・ウェイウェイ。
  chemrxiv-2024-x4wbl (2024) |コード

• NovoMol: PDGFRα 受容体における経口的に生物学的に利用可能な薬剤の設計と検証のためのリカレント ニューラル ネットワーク[2023]
  ラオ、イシル。
  arXiv:2312.01527 (2023) |コード

• リカレントニューラルネットワークを用いた焦点を絞った薬物分子ライブラリーの生成[2023]
  鄒、金平、龍昭、少平史。
  分子モデリングジャーナル 29.12 (2023) |コード

• ChemTSv2: de novo 分子ジェネレーターを使用した機能性分子設計[2023]
  石田、正一、タヌジ・アーサワット、澄田正人、カトウダ・ミチオ、吉澤達也、吉添一樹、津田幸治、寺山慶。
  Wiley Interdisciplinary Reviews: 計算分子科学 (2023) |コード

• 強化学習を新たな医薬品設計に活用[2023]
  スヴェンソン、ハンプス・ガムッソン、クリスチャン・ティルチャン、オラ・エンクヴィスト、モルテザ・ハギル・チェレガニ。
  arXiv:2303.17615 (2023) |コード

• 多目的報酬重み付け和と強化学習を備えた Stack-RNN に基づく新規薬剤設計[2023]
  Hu、P.、Zou、J.、Yu、J. 他。
  J Mol モデル 29、121 (2023) |コード

• 分子生成モデルを現実的に検証することの難しさについて: 公開データと独自データに関するケーススタディ[2023]
  半田、光一、モーガン・トーマス、影山道治、飯島武、アンドレアス・ベンダー。
  chemrxiv-2023-lbvgn |コード

• Magicmol: 薬物のような分子の進化と迅速な化学宇宙探査のための軽量パイプライン[2023]
  チェン、リン、チン・シェン、ジュンガン・ルー。
  BMC バイオインフォマティクス (2023) |コード

• Augmented Hill-Climb により、言語ベースの de novo 分子生成の強化学習効率が向上[2022]
  Thomas、M.、O'Boyle、NM、Bender、A. 他。
  J ケミンフォーム (2022) |コード

• 化学言語モデルを使用した新規分子設計[2022]
  グリゾーニ、F.、シュナイダー、G.
  薬剤設計における人工知能。分子生物学のメソッド、vol 2390.(2022) |コード

• 低データ体制におけるエネルギー材料に望ましい特性を持つ分子を迅速に生成するための相関 RNN フレームワーク[2022]
  Li、Chuan、Chenghui Wang、Ming Sun、Yan Zeng、Yuan Yuan、Qiaolin Gou、Guangchuan Wang、Yanzhi Guo、Xuemei Pu。
  Ｊ．Ｃｈｅｍ．情報モデル。 (2022) |コード

• De Novo 医薬品設計のためのリカレント ニューラル ネットワーク アーキテクチャの最適化[2021]
  サントス、BP、アッバシ、M.、ペレイラ、T.、リベイロ、B.、アレイス、JP
  紙 |コード

• 創薬のための薬物様分子を生成するリカレント ニューラル ネットワーク (RNN) [2021]
  コード

• 相互作用フィンガープリント (ドッキングポーズ) を制約として使用した分子生成モデル[2021]
  コード

• リカレント ニューラル ネットワークによる双方向分子生成[2020]
  グリゾーニ、F.、モレット、M.、リングウッド、R.、シュナイダー、G.
  Ｊ．Ｃｈｅｍ．情報モデル。 (2020) |コード

• 記述子条件付きリカレント ニューラル ネットワークを使用した新規分子生成の直接ステアリング[2019]
  Kotsias, PC.、Arús-Pous, J.、Chen, H.他
  Nat Mach Intell 2、254–265 (2020) |コード

• ChemTS: 新しい分子生成のための効率的な Python ライブラリ[2017]
  楊 X.、張 淳、吉添 和、寺山 和、津田 和也
  先端材料の科学技術 (2017) |コード

LSTMベース

• ClickGen: モジュール反応と強化学習による合成可能な化学空間の直接探索[2024]
  Wang, M.、Li, S.、Wang, J. 他
  Nat Commun 15、10127 (2024) |コード

• 人工知能ベースの医薬品設計に使用されるデジタル フラグメンテーション手法としての DigFrag [2024]
  Yang、R.、Zhou、H.、Wang、F. 他。
  Commun Chem 7, 258 (2024) |コード

• ディープインタラクトーム学習による将来の新規薬剤設計[2024]
  Atz、K.、Cotos、L.、Isert、C. 他。
  Nat Commun 15、3408 (2024) |コード

• カスタマイズされた LSTM 変分オートエンコーダー深層学習アーキテクチャを使用した HIV ウイルスの計算創薬[2023]
  クツァル、ムカヒト、フェルハト・ウカル、ニダ・カティ。
  CPT: 薬理分析およびシステム薬理学。 (2023) |コード

• De Novo 医薬品設計のための構造化状態空間シーケンス モデル[2023]
  オズチェリク R、デ ルイテル S、グリゾーニ F.
  chemrxiv-2023-jwmf3。 (2023) |コード

• 合成アクセシビリティと AI ベースの生成医薬品デザインの統合[2023]
  Parrot、M.、Tajmouati、H.、da Silva、VBR 他。
  J Cheminform 15、83 (2023) |コード

• 新規創薬のためのディープインタラクトーム学習[2023]
  アッツ K、コトス ムニョス L、イサート C、ホーカンソン M、フォクト D、ニッパ DF、他
  chemrxiv-2023-cbq9k (2023)

• 胃プロトンポンプ構造に基づいた深層学習による新規薬剤設計[2023]
  阿部和也、小迫正人、犬飼正人 他
  Commun Biol 6、956 (2023) |コード

• 立体化学情報を用いた生物活性の予測と分子ヒット生成のための人工知能[2023]
  ペレイラ、ティアゴ O.、マリアム アッバシ、リタ I. オリベイラ、ロミナ A. ゲデス、ホルヘ AR サルバドール、ジョエル P. アライス。
  研究広場。 (2023) |コード

• ロジック: de novo 化学構造を設計するための最適な生成分布の学習[2023]
  ペ B.、ペ H.、ナム H.
  J Cheminform 15, 77 (2023) |コード

• 新規創薬のための化学言語モデルによる分子構造と生物活性の活用[2023]
  Kotsias, PC.、Arús-Pous, J.、Chen, H.他
  Nat Commun 14、114 (2023) |コード

• ポリシー勾配による微調整と目標指向の生成を備えた SMILES ベースの CharLSTM [2022]

  コード

• DeLA-Drug: 薬物類似類似体の自動設計のための深層学習アルゴリズム[2022]
  クリアンツァ、TM、ラマンナ、G.、デレ、P.、コンティーノ、M.、コリエーロ、N.、サビアーノ、M.、... & アンコーナ、N.
  Ｊ．Ｃｈｅｍ．情報モデル。 (2022) |ウェブ

• リカレント ニューラル ネットワークに基づく転移学習を使用した SARS-CoV-2 主要プロテアーゼ阻害剤の新規設計と生物活性予測[2021]
  サンタナ、MVS、シルバ-ジュニア、FP
  BMC ケミストリー 15、8 (2021) |コード

• De Novo 医薬品設計のための生成的リカレント ネットワーク[2018]
  Gupta、A.、Müller、AT、Huisman、BJ、Fuchs、JA、Schneider、P.、および Schneider、G.
  モル・インフォーム。 2018年 |コード

• De Novo 医薬品設計のための生成的リカレント ニューラル ネットワーク[2017]
  グプタ、アンビタ、他。
  モル・インフォーム。 2018年 |コード

自己回帰モデル

• 土星: メモリ操作を使用したサンプル効率の高い生成分子設計[2024]
  ジェフ・グオ、フィリップ・シュウォーラー。
  arXiv:2405.17066 (2024) |コード

• Pareto MCTS [2024] を使用して複数の目的に従うターゲット認識分子生成を可能にする
  Yang、Y.、Chen、G.、Li、J. 他。
  Commun Biol 7、1074 (2024) |コード

• PocketFlow はデータと知識に基づいた構造ベースの分子生成モデルです[2024]
  Shengyong Yang、Yuanyuan Jiang、Guo Zhang 他
  ナット・マッハ・インテル (2024) |研究広場。プレプリント。 (2023) |コード

• 深い生成フレームワークと反復転移学習を介した偏った特性に向けた De Novo 分子設計[2024]
  サタリ、キアヌーシュ、ダウェイ・リー、ブパリー・カリタ、ユンチャオ・シェ、ファテメ・バルマレキ・リグヴァン、オレクサンドル・イサエフ、ジャン・リン。
  デジタルディスカバリー (2024) |コード

• Symphony: 3D 分子生成のための対称等変点中心球面調和関数[2024]
  アメヤ・ダイガヴェインとソン・ウン・キム、マリオ・ガイガーとテス・スミット。
  ICLR (2024) |コード

• ポケット認識リガンド設計のための自己回帰フラグメントベースの拡散[2023]
  ゴルバーニ、マハディ、レオ・ゲンデレフ、ポール・ベロザ、マイケル・カイザー。
  NeurIPS 2023 生成 AI と生物学 (GenBio) ワークショップ。 (2023) |コード

• 3次元分子生成のための位相面と幾何構造の学習[2023]
  Zhang、Odin、Tianyue Wang、Gaoqi Weng、Dejun Jiang、Ning Wang、Xiaorui Wang、Huifeng Zhao 他。
  Nat Comput Sci (2023) |コード

• ResGen は、並列マルチスケール モデリングに基づくポケット認識 3D 分子生成モデルです[2023]
  Zhang, O.、Zhang, J.、Jin, J. 他
  ナット・マッハ・インテル (2023) |コード

• FFLOM: フラグメントからリードへの最適化のためのフローベースの自己回帰モデル[2023]
  Jieyu Jin、Dong Wang、Guqin Shi、Jingxiao Bao、Jike Wang、Haotian Zhang、Peichen Pan、Dan Li、Xiaojun Yao、Huanxiang Liu、Tingjun Hou、Yu Kang
  J.Med.化学。 (2023) |コード

• 自己フィードバックによるドメインに依存しない分子生成[2023]
  イン・ファン、ニンユー・チャン、ジュオ・チェン、シャオホイ・ファン、ホアジュン・チェン
  arXiv:2301.11259v3 |コード

• GraphAF: 分子グラフ生成のためのフローベースの自己回帰モデル[2020]
  Shi, C.、Xu, M.、Zhu, Z.、Zhang, W.、Zhang, M.、Tang, J.
  ICLR (2020) |arXiv:2001.09382 |コード

トランスベース

• 化学的自然言語を用いた拡散ベースの生成ドラッグ様分子編集[2024]
  Jianmin Wang、Peng Zhou、Zixu Wang、Wei Long、Yangyang Chen、Kyoung Tai No、Dongsheng Ouyang*、Jiashun Mao*、Xiangxiang Zeng*。
  Ｊ．Ｐｈａｒｍ．アナル。 (2024) |コード

• 高性能大規模化学生成モデルのためのフラグメントトークン化による Tree-Transformer VAE の活用[2024]
  犬飼哲、大和亜、秋山真、榊原裕。
  ChemRxiv。 (2024) |コード

• 反応性ビルディングブロックによる毒性制御を備えた合理的なリガンド生成のための深層学習アプローチ[2024]
  Li、P.、Zhang、K.、Liu、T. 他。
  Nat Comput Sci (2024) |コード

• 化学設計と物性予測のための基礎モデル[2024]
  Cai, F.、Zhu, T.、Tzeng, TR、Duan, Y.、Liu, L.、Pilla, S.、Li, G.、Luo, F.
  arXiv:2410.21422 (2024) |コード

• SE(3) 構造に基づく創薬のための等変トポロジー[2024]
  Prat A、Abdel Aty H、Pabrinkis A、Bastas O、Paquet T、Kamuntavičius G、他。
  ChemRxiv。 (2024年)

• 多条件分子生成のためのグラフ拡散トランスフォーマー[2024]
  劉、剛、徐佳新、徳羅、蒙江。
  NeurIPS 2024 (口頭)。 (2024) |コード

• 変圧器モデルを用いた徹底した局所化学空間探査[2024]
  Tibo、A.、He、J.、Janet、JP 他。
  Nat Commun 15、7315 (2024) |コード

• 生成分子設計のためのトランスフォーマー グラフ変分オートエンコーダー[2024]
  グエン、トリュー、アレクサンドラ・カロラック。
  バイオRxiv (2024)

• BindGPT: 言語モデリングと強化学習による 3D 分子設計のためのスケーラブルなフレームワーク[2024]
  ゾールス、アルチョム、マクシム・クズネツォフ、ロマン・シュツキー、リム・シャヤフメトフ、ダニール・ポリコフスキー、サラス・チャンダル、アレックス・ザボロンコフ。
  arXiv:2406.03686 (2024)

• グラフベースのトランスフォーマー モデルを使用した新規フェンタニル類似体の探索[2024]
  Zhang、Guangle、Yuan Zhang、Ling Li、Jiaying Zhou、Honglin Chen、Jinwen Ji、Yanru Li、Yue Cao、Zhihui Xu、Cong Pian。
  学際科学: 計算生命科学 (2024) |コード

• TenGAN: 純粋なトランスフォーマー エンコーダーにより、De Novo 分子生成のための効率的な離散 GAN が実現[2024]
  李さん、陳さん、山西義弘さん。
  人工知能と統計に関する国際会議。 PMLR (2024)

• DockingGA: ドッキング シミュレーションによるトランスフォーマー ニューラル ネットワークと遺伝的アルゴリズムを使用した標的分子生成の強化[2024]
  長南高、文傑宝、王双、ジェンヤン・ジェン、ルル・ワン、ヨンチー・レン、リンファン・ジャオ、ジャンミン・ワン、シュン・ワン。
  機能ゲノミクスの説明会 (2024) |コード

• Gotta be SAFE: 分子設計のための新しいフレームワーク[2024]
  ノウタヒ、エマニュエル、クリスティアン・ガベリーニ、マイケル・クレイグ、ジョナサン・SC・リム、プルデンシオ・トスー。
  デジタルディスカバリー (2024) | arXiv:2310.10773 (2023) |コード

• 分子設計効率の向上: 言語モデルと生成ネットワークを遺伝的アルゴリズムで統合[2024]
  ボーミク、デブシンドゥ、ペイ・チャン、ザカリー・フォックス、ステファン・イル、ジョン・グンリー。
  パターン (2024) |コード

• ChemSpaceAL: タンパク質特異的な分子生成に適用される効率的なアクティブ ラーニング方法論[2024]
  カイロ、グレゴリー W.、アントン モルグノフ、ラファエル I. ブレント、ビクター S. バティスタ。
  Ｊ．Ｃｈｅｍ．情報モデル。 (2024) |コード

• トランスフォーマーベースの分子設計における強化学習の評価[2024]
  He J、Tibo A、Janet JP、Nittinger E、Tyrchan C、Czechtizky W、他。
  chemrxiv-2024-r9ljm (2024) |コード

• 二重空間最適化: Latent Prompt Transformer による分子配列設計の改善[2024]
  Deqian Kong、Yuhao Huang、Jianwen Xie、Edouardo Honig、Ming Xu、Shuanghong Xue、Pei Lin、Sanping Zhou、Sheng Zhong、Naning Zheng、Ying Nian Wu。
  arXiv:2402.17179 (2024)

• Transformer と組み合わせた VAE の新規分子生成モデル[2024]
  吉開康裕と水野忠速、根本俊平と楠原裕之。
  arXiv:2402.11950 (2024) |コード

• GexMolGen: 遺伝子発現シグネチャーの大規模言語モデルエンコーディングによるヒット様分子のクロスモーダル生成[2024]
  Cheng、Jia-Bei、Xiaoyong Pan、Kaiyuan Yang、Shenghao Cao、Bin Liu、Qingran Yan、Ye Yuan。
  バイオRxiv (2024) |コード

• 潜在的な NLRP3 阻害剤を発見するためのローカル足場多様性貢献ジェネレーター[2024]
  Weichen Bo、Yangqin Duan、Yurong Zou、Ziyan Ma、Tao Yang、Peng Wang、Tao Guo、Zhiyuan Fu、Jianmin Wang、Linchuan Fan、Jie liu、Taijin Wang、Lijuan Chen。
  Ｊ．Ｃｈｅｍ．情報モデル。 (2024) |コード

• 化学言語モデルを使用した創薬のためのターゲット認識分子生成[2024]
  Xia、Yingce、Kehan Wu、Pan Deng、Renhe Liu、Yuan Zhang、Han Guo、Yumeng Cui et al。
  Biorxiv（2024）

• 薬物学に基づいた生成モデルを使用した新規および生物活性リガンドの発見の加速[2024]
  Xie、Weixin、Jianhang Zhang、Qin Xie、Chaojun Gong、Youjun Xu、Luhua Lai、およびJianfeng Pei。
  Arxiv：2401.01059（2024）|コード

• 条件付き生成モデルに基づく自己改善可能なポリマー発見フレームワーク[2023]
  Xiangyun LeiとWeike YeとZhenze YangとDaniel SchweigertとHa-Kyung KwonとArash Khajeh。
  Arxiv：2312.04013。 (2023年)

• Llamol：de novo分子設計のための動的な多条件生成トランス[2023]
  Dobberstein、Niklas、Astrid Maass、Jan Hameekers。
  Arxiv：2311.14407。 （2023）|コード

• GraphGPT：グラフが条件付けられた分子生成のための生成前処理された変圧器を強化した[2023]
  Lu、Hao、Zhiqiang Wei、Xuze Wang、Kun Zhang、およびHao Liu。
  International Journal of Molecular Sciences 24.23（2023）|コード

• Protacableは、ProtacsのDe Novo設計を自動化するための3Dモデリングと深い学習の統合的な計算パイプラインです[2023]
  Hazem Mslati、Francesco Gentile、Mohit Pandey、Fuqiang Ban、Artem Cherkasov。
  Biorxiv 2023.11.20.567951。 （2023）|コード

• de novo薬物設計におけるA2c強化学習に基づく分子生成戦略と最適化[2023]
  王、Qian、Zhiqiang Wei、Xiaotong Hu、Zhuoya Wang、Yujie Dong、およびHao Liu。
  バイオインフォマティクス：BTAD693。 （2023）|コード

• 遺伝子発現シグネチャの基礎モデルエンコーディングを介したヒット状の分子のクロスモーダル生成[2023]
  Jiabei Cheng、Xiaoyong Pan、Kaiyuan Yang、Shenghao Cao、Bin Liu、Ye Yuan。
  Biorxiv 2023.11.11.566725。 （2023）|コード

• Renvent4：最新のAI駆動型生成分子設計[2023]
  Loeffler H、He J、Tibo A、Janet JP、Voronov A、Mervin Lなど
  ChemRXIV-2023-XT65X（2023）|コード

• 変圧器と深い補強学習を使用した化学空間における結合親和性の最適化[2023]
  Xu、Xiaopeng、Juexiao Zhou、Chen Zhu、Qing Zhan、Zhongxiao Li、Ruochi Zhang、Yu Wang、Xingyu liao、およびXin Gao。
  ChemRXIV-2023-7V4SW（2023）|コード

• 補強学習と変圧器を使用した高価値分子の検索[2023]
  Raj GhugareとSantiago MiretとAdriana HugessenとMariano PhielippとGlen Berseth。
  arxiv：2310.02902（2023）

• 変圧器ベースの強化学習を通じて分子de novo設計[2023]
  Feng、Tao、Pengcheng Xu、Tianfan Fu、Siddhartha Laghuvarapu、およびJimeng Sun。
  arxiv：2310.05365（2023）

• 分子の生成設計のための確率的生成トランス語モデル[2023]
  Wei、L.、Fu、N.、Song、Y。etal。
  J ChemInform 15、88（2023）|コード

• 関節変圧器を使用したde novoドラッグデザイン[2023]
  Adam IzdebskiとEwelinaWeelinaWęGlarz-TomczakとEwa SzczurekとJakub M. Tomczak
  Arxiv：2310.02066。 (2023年)

• de novo薬物設計の構造化状態空間シーケンスモデル[2023]
  ÖzçelikR、de Ruiter S、Grisoni F.
  ChemRXIV-2023-JWMF3。 （2023）|コード

• 阻害剤および活性化因子候補の化学構造のde novo生成トランスベースの変異オートエンコーダーおよびベイジアン最適化による治療標的タンパク質[2023]
  マツキヨーキヨ、ヤマナカ、ヨシヒロヤマニシ。
  J. Chem。情報モデル。 （2023）|コード

• 逆トランスフォーカーGANは、特性最適化を伴う足場に制約のある分子を生成します。 [2023年]
  li、C.、Yamanishi、Y。
  ECML PKDD（2023）|コード

• Chemspaceal：タンパク質特異的分子生成に適用される効率的な積極的な学習方法[2023]
  Kyro、Gregory W.、Anton Morgunov、Rafael I. Brent、Victor S. Batista。
  Arxiv：2309.05853（2023）|コード

• E（3）不変トランスベールを使用した効率的な3D分子設計[2023]
  Dollar、Orion、Nisarg Joshi、Jim Pfaendtner、David AC Beck。
  Journal of Physical Chemistry A（2023）|コード

• Lingo3dmol：言語モデルを使用したポケットベースの3D分子の生成[2023]
  Wang、Lvwei、Zaiyun Lin、Yanhao Zhu、Rong Bai、Wei Feng、Huting Wang、Jielong Zhou、Wei Peng、Bo Huang、およびWenbiao Zhou。
  Arxiv：2305.10133（2023）|コード

• FSM-DDTR：トランスを使用した多目的DE NOVO薬設計のためのエンドツーエンドフィードバック戦略[2023]
  モンテイロ、ネルソンRC、ティアゴO.ペレイラ、アナカタリーナD.マチャド、ホセL.オリベイラ、マリアムアッバシ、ジョエルP.アレイス。
  生物学と医学のコンピューター（2023）|コード

• 大環性薬物候補の発見を促進するための深い学習による線形分子の大環化[2023]
  Diao、Y.、Liu、D.、Ge、H。et al。
  Nat Commun 14、4552（2023）|コード

• 深い学習による患者遺伝子発現プロファイルに基づくde novo薬の設計[2023]
  ヤマナカ、キカシゲ、川西、川kaitoh、micyio岩田、吉原吉義。
  分子情報学（2023）|コード

• リード化合物のADMET特性を最適化するためのトランスベースのディープ学習方法[2023]
  Yang、Lijuan、Chao Jin、Guanghui Yang、Zhitong Bing、Liang Huang、Yuzhen Niu、およびLei Yang。
  物理化学化学物理学25.3（2023）

• 計算薬設計の概念としてのシーケンスベースの薬物設計[2023]
  Chen、L.、Fan、Z.、Chang、J。et al。
  Nat Commun 14、4217（2023）|コード

• ドラッグプト：特定のタンパク質を標的とする潜在的なリガンドを設計するためのGPTベースの戦略[2023]
  Yuesen Li、Chengyi Gao、Xin Song、Xiangyu Wang、view orcid profileyungang xu、Suxia Han
  Biorxiv（2023）|コード

• プレフィックスモール：プレフィックス埋め込みによるターゲットおよび化学を意識した分子設計[2023]
  Gao、Zhangyang、Yuqi Hu、Cheng Tan、およびStan Z. Li。
  arxiv：2302.07120（2023）|コード

• 分子設計のための適応言語モデルトレーニング[2023]
  Andrew E. Blanchard、Debsindhu Bhowmik、Zachary Fox、John Gounley、Jens Glaser、Belinda S. Akpa＆Stephan Irle。
  J ChemInform 15、59（2023）|コード

• CMGN：目的の特性を持つターゲット固有の分子を設計するための条件付き分子生成ネット[2023]
  ヤン、ミンジャン、hanyu sun、xue liu、xi xue、yafeng deng、Xiaojian Wang。
  Bioinformaticsのブリーフィング、2023;、BBAD185 |コード

• Cmolgpt：ターゲット固有のde novo分子生成のための条件付き生成事前訓練トランス[2023]
  王、YE、honggang Zhao、Simone Sciabola、Wenlu Wang。
  分子2023、28（11）、4430 |コード

• 変圧器と政策勾配補強学習を使用した分子生成[2023]
  Mazuz、E.、Shtar、G.、Shapira、B。et al。
  Sci Rep 13、8799（2023）|コード

• IUPACGPT：IUPACベースの特性予測と分子生成のための大規模分子前訓練モデル[2023]
  ヤシュン・マオ、ジャンミン・ワン、クワン・ハウィ・チョー、キョング・タイNO
  ChemRXIV-2023-5KJVH |コード

• 制約アーキテクチャによる標識が低下した分子生成[2023]
  Wang、Jike、Yundian Zeng、Huiyong Sun、Junmei Wang、Xiaorui Wang、Ruofan Jin、Mingyang Wang et al。
  J. Chem。情報モデル。 （2023）|コード

• 拡散モデリングとトランスの深い神経ネットワークを使用した新しい化学物質設計の生成的発見深いユートコンテンツ溶媒への適用を伴う[2023]
  Luu、Rachel K.、Marcin Wysokowski、Markus J. Buehler。
  arxiv：2304.12400v1 |コード

• 回帰トランスは、分子言語モデリングのための同時シーケンス回帰と生成を可能にします[2023]
  生まれ、J。、マニカ、M。
  Nat Mach Intell 5、432–444（2023）|コード

• 抗ウイルス薬設計のためのトランスベースの分子生成モデル[2023]
  マオ、ヤシュン;王、jianming;ゼブ、アミール;チョー、クワンヒ;ジン、ハイヤン;キム、ジョンワン;リー、オニュ;王、ユニョン;いいえ、kyoung tai。
  J. Chem。情報モデル。 （2023）|コード

• グラフ変圧器ベースの生成官能ネットワークを使用した薬物候補分子のターゲット固有のde novo設計[2023]
  ünlü、atabey、elif chevrim、ahmetsarıgün、hayriyeçelikbilek、hevalataşguvenilir、altaykoyaş、deniz cansen kahraman、ahmet rifaioolu、and abdurrahman ol楽。
  arxiv：2302.07868v5

• Dregex V3：グラフ変圧器ベースの補強学習を使用した足場制約薬物設計[2023]
  Liu、X.、Ye、K.、van vlijmen、Hwt et al。
  J ChemInform 15、24（2023）|コード

• 深い生成モデルを備えた薬物のような空間を探索[2023]
  Wang、Jianmin、et al。
  方法（2023）|コード

• 大規模な化学言語表現は、分子構造と特性をキャプチャします[2022]
  Ross、J.、Belgodere、B.、Chenthamarakshan、V.、Padhi、I.、Mroueh、Y。、＆Das、P。
  Nat Mach Intell 4、1256–1264（2022）|コード

• アルファドラッグ：タンパク質標的特異的de novo分子生成[2022]
  Qian、Hao、Cheng Lin、Dengwei Zhao、Shikui Tu、およびLei Xu。
  pnas nexus（2022）|コード

• トランスモデルを使用して生物活性分子を「翻訳」することをすぐに学ぶことができますか？ [2022]
  Bagal、V.、Aggarwal、R.、Vinod、PK、＆Priyakumar、Ud
  ChemRXIV-2022-GLN27

• Molgpt：トランスデコーダーモデルを使用した分子生成[2022]
  Bagal、V.、Aggarwal、R.、Vinod、PK、＆Priyakumar、Ud
  J. Chem。情報モデル。 2022、62、9、2064–2076 |コード

• タンパク質ポケットの分子調整：構造化ベースの薬物設計のための変圧器ベースの生成ソリューション[2022]
  Wu、K.、Xia、Y.、Fan、Y.、Deng、P.、Liu、H.、Wu、L.、...＆Liu、Ty
  arxiv.2209.06158 |コード

• ターゲットドラッグデザインのための事前に守られた生化学言語モデルを利用する[2022]
  ウルドアン、ゲッケ、エリフ・オズキリムリ、クトル・O・ウルゲン、ニルグン・カラル、およびアルツカン・オズギル。
  バイオインフォマティクス（2022）|コード

• de novo分子設計のためのトランスベースの生成モデル[2022]
  Wang、Wenlu、et al。
  Arxiv：2210.08749v2

• 分子と自然言語の間の翻訳[2022]
  Edwards、C.、Lai、T.、Ros、K.、Honke、G。、＆Ji、H。
  arxiv：2204.11817v3 |コード

• 回帰トランスは、分子言語モデリングのための同時シーケンス回帰と生成を可能にします[2022]
  生まれ、ジャニスとマニカ、マッテオ
  arxiv：2202.01338v3 |コード

• 分子からの生成前トレーニング[2021]
  アディロフ、サンジャール。
  J. Chem。情報モデル。 2022、62、9、2064–2076 |コード

• 分子グラフ生成のためのトランス[2021]
  コファラ、ティム、オリバー・クレイマー。
  ESANN 2021 |コード

• 変圧器を使用した分子の空間生成[2021]
  コファラ、ティム、オリバー・クレイマー。
  IJCNN52387.2021.9533439（2021）|コード

• 生成化学変圧器：Attentioを介した化学言語からの分子幾何学的構造の神経機械学習[2021]
  ヒョンジュン・キム、ジョンジョール・ナ*、そしてボ・リー*を獲得しました。
  J. Chem。情報モデル。 2021、61、12、5804–5814 |コード

• C5T5：トランスによる有機分子の制御可能な生成[2021]
  Rothchild、D.、Tamkin、A.、Yu、J.、Misra、U。、＆Gonzalez、J。
  arxiv：2108.10307v1 |コード

• ディープニューラルネットワークを使用して化学者の直観をキャプチャすることによる分子最適化[2021]
  He、J.、You、H.、Sandström、E。et al。
  J ChemInform 13、26（2021）|コード

• 機械翻訳の問題としてのタンパク質特異的DE NOVO薬の生成のためのトランスニューラルネットワーク[2021]
  Grechishnikova、ダリア。
  Sci Rep 11、321（2021）|コード

• Transmol：分子生成の言語モデルの再利用[2021]
  Grechishnikova、ダリア。
  RSCの進歩。 2021; 11（42）：25921-32。 |コード

• de novo分子設計の注意ベースの生成モデル[2021]
  Dollar、O.、Joshi、N.、Beck、Da and Pfaendtner、J。
  化学科学12.24（2021）|コード

Vaeベース

• 高性能の大型化学生成モデルのためのフラグメントトークン化を備えたツリー変換vaeを活用する[2024]
  inukai t、yamato a、akiyama m、sakakibara y。
  chemrxiv。 （2024）|コード

• 生成分子設計のためのトランスグラフ変異オートエンコーダー[2024]
  Nguyen、Trieu、およびAleksandra Karolak。
  Biorxiv（2024）

• 深い階層生成モデルを備えた構造ベースの薬物設計[2024]
  ウェラー、ジェシーA、およびレモロー。
  J. Chem。情報モデル。 （2024）|コード

• 分子設計の深い生成モデルにおける認識モデルの不確実性をキャプチャするためのアクティブサブスペースを活用する[2024]
  Abeer、Anm、Sanket Jantre、Nathan M. Urban、Byung-Jun Yoon。
  arxiv：2405.00202（2024）

• GXVAES：2つの関節vaesが遺伝子発現プロファイルからヒット分子を生成します[2024]
  Li、Chen、Yoshihiro Yamanishi。
  人工知能に関するAAAI会議の議事録。 Vol. 38。No。12。（2024）|コード

• 相互作用誘導薬物設計のための3D分子生成フレームワーク[2024]
  Zhung、W.、Kim、H。＆Kim、Wy
  Nat Commun 15、2688（2024）|コード

• 階層的変異オートエンコーダーを介した注意ベースの分子生成[2024]
  Divahar Sivanesan。
  Arxiv：2402.16854。 (2024年)

• 変圧器と組み合わせたvaeの新しい分子生成モデル[2024]
  Yasuhiro YoshikaiとTadahaya MizunoとShumpei nemotoとHiroyuki kusuhara。
  Arxiv：2402.11950（2024）|コード

• 機械学習に基づいた薬物効果を備えた新規生成と新規化合物の同定[2024]
  彼、dakuo、清li、ヤンミ、清qi meng、リビンXu、チューニュウ、ジンペン王等
  Advanced Science（2024）

• カスタマイズされたLSTMバリエーションオートエンコーダーディープラーニングアーキテクチャを使用したHIVウイルスに関する計算薬の発見[2023]
  Kutsal、Mucahit、Ferhat Ucar、およびNida Kati。
  CPT：薬物測定およびシステムの薬理学。 （2023）|コード

• NRC-VABS：薬物分子設計のための潜在空間での適用されたビーム検索を備えた正規化された条件付き変動自動エンコーダー[2023]
  Bhadwal、Arun Singh、Kamal Kumar、Neeraj Kumar。
  アプリケーションを備えたエキスパートシステム。 (2023年)

• マルチモーダルタンパク質モデリングを使用したリガンド生成のためのターゲット認識バリエーション自動エンコーダー[2023]
  Ngo、Khang、およびTruong Son Hy。
  Neurips 2023 Generative AI and Biology（Genbio）ワークショップ。 （2023）|コード

• 一般化可能な構造ベースの薬物設計のための相互作用認識3D分子生成フレームワーク[2023]
  ウ・ヤング・キム、ウォンホ・Zhung、およびHyeongwoo Kim。
  研究広場。 （2023）|コード

• コンピューター支援薬物設計における効果的なジェネラリストアルゴリズムとしての変分グラフエンコーダーの適用[2023]
  ラム、ヒイ、ピンケット、R。、ハン、H。etal。
  Nat Mach Intell 5、754–764（2023）|コード

• 阻害剤および活性化因子候補の化学構造のde novo生成トランスベースの変異オートエンコーダーおよびベイジアン最適化による治療標的タンパク質[2023]
  マツキヨーキヨ、ヤマナカ、ヨシヒロヤマニシ。
  J. Chem。情報モデル。 （2023）|コード

• Rebadd-SE：セルフィーの断片とオフポリティの自己批判的なシーケンストレーニングを使用した多目的分子最適化[2023]
  チェ、ジョンワン、サンミン・ソ、スンヨン・チェ、シェンミン・ピアオ、チヒョン・パーク、ソン・ジン・リュー、ビョン・ジム、サンギョン・パーク。
  生物学と医学のコンピューター157（2023）|コード

• E（3）不変トランスベールを使用した効率的な3D分子設計[2023]
  Dollar、Orion、Nisarg Joshi、Jim Pfaendtner、David AC Beck。
  Journal of Physical Chemistry A（2023）|コード

• 局所的な高濃度電解質希釈液スクリーニングのためのまばらに標識されたトレーニングデータを使用したマルチコンストレント分子生成[2023]
  Mailoa、Jonathan P.、Xin Li、Jiezhong Qiu、Shengyu Zhang。
  デジタルディスカバリー（2023）|コード |データセット

• 生成ネットワーク複合体を使用したオピオイド使用障害治療のための多目的分子最適化[2023]
  Feng、Hongsong、Rui Wang、Chang-Guo Zhan、Guo-Wei Wei。
  J. Med。化学。 （2023）|コード

• 足場：マルチビューグラフニューラルネットワークに基づいた変分自動エンコーダーを介した薬物分子の足場生成とホッピング[2023]
  Hu、Chao、Song Li、Chenxing Yang、Jun Chen、Yi Xiong、Guisheng Fan、Hao Liu、Liang Hong。
  J ChemInform 15、91（2023）|研究広場。 （2023）|コード

• 変分自動エンコーダーを介した多孔質有機ケージの深い生成設計[2023]
  Jiajun Zhou、Austin Mroz、Kim Jelfs*。
  Chemrxiv（2023）|コード

• マルチモーダルタンパク質表現学習を備えたリガンド生成のためのターゲット認識バリエーション自動エンコーダー[2023]
  Nhat Khang Ngo、Truong Son Hy。
  バイオRxiv。 （2023）|コード

• de novo de