papers for molecular design using DL
1.0.0
분자/약물 설계 및 분자 구조 생성을 위한 Generative AI 및 Deep Learning 관련 .
업데이트 중...
분자 최적화를 환영합니다!!!
생성적 인공지능과 딥러닝을 활용한 분자(약물) 설계
| 메뉴 | 메뉴 | 메뉴 | 메뉴 |
|---|---|---|---|
| 과학적 발견을 위한 생성적 AI | 리뷰 | 데이터 세트 및 벤치마크 | 약물 유사성 및 평가 지표 |
| 딥러닝 기반 설계 | 텍스트 기반 분자 생성 모델 | 다중 대상 기반 심층 분자 생성 모델 | 리간드 기반 심층 분자 생성 모델 |
| Pharmacophore 기반 심층 분자 생성 모델 | 구조 기반 심층 분자 생성 모델 | 단편 기반 심층 분자 생성 모델 | 비계 기반 DMG |
| 조각 기반 DMG | 모티브 기반 DMG | 링커 기반 DMG | 화학반응 기반 심층분자 생성모델 |
| Omics 기반 심층 분자 생성 모델 | 다중 목표 심층 분자 생성 모델 | 양자 심층 분자 생성 모델 | 권장사항 및 참고자료 |
| 스펙트럼(질량/NMR) 기반 | 질량 스펙트럼 기반 | NMR 스펙트럼 기반 | Cryo-EM 지도 기반 |
| 데이터세트 | 벤치마크 | 약물 유사성 | 평가 지표 |
|---|---|---|---|
| 데이터세트 | 벤치마크 | QED | SA점수 |
| 큐피 | RA점수 | ||
| 평가 지표 | |||
| 분자 생성 검증 |
| 메뉴 | 메뉴 |
|---|---|
| Molecular Conformer Ensemble에 대한 벤치마크 | 분자 형태 생성에 대한 리뷰 |
| VAE 기반 분자 형태 생성 | GAN 기반 분자 형태 생성 |
| 에너지 기반 분자 형태 생성 | |
| 확산 기반 분자 형태 생성 | |
| RL 기반 분자 형태 생성 | |
| GNN 기반 분자 형태 생성 |
| 메뉴 | 메뉴 | 메뉴 | 메뉴 |
|---|---|---|---|
| RNN 기반 | LSTM 기반 | 자기회귀 모델 | 변압기 기반 |
| VAE 기반 | GAN 기반 | 흐름 기반 | 프롬프트 기반 |
| 점수 기반 | 에너지 기반 | 확산 기반 | 능동적 학습 DMG |
| RL 기반 | 다중 작업 DMG | 몬테카를로 트리 검색 | 유전자 알고리즘 기반 |
| 진화 알고리즘 기반 | 대규모 언어 모델 기반 |
생성 인공지능과 딥러닝을 활용한 머티리얼 디자인
| 메뉴 | 메뉴 | 메뉴 | 메뉴 |
|---|---|---|---|
awesome-AI4ProteinConformation-MD
https://github.com/AspirinCode/awesome-AI4ProteinConformation-MD
생명의학, 분자, 단백질, 물질 발견을 위한 대규모 언어 모델
https://github.com/HHW-zhou/LLM4Mol
딥러닝을 이용한 단백질 설계에 관한 논문 목록
https://github.com/Peldom/papers_for_단백질_design_using_DL
멋진 생성 AI
https://github.com/steven2358/awesome-generative-ai
굉장한 분자 세대
https://github.com/amorehead/awesome-molecular- Generation
신약 발견의 인공 지능에 대한 조사
https://github.com/dengjianyuan/Survey_AI_Drug_Discovery
신약 발견 및 생명 과학을 위한 기하학 딥 러닝
https://github.com/3146830058/Geometry-Deep-Learning-for-Drug-Discovery-and-Life-Science
De Novo Drug Design의 확산 모델 [204]
Alakhdar, Amira, Barnabas Poczos 및 Newell Washburn.
J.Chem. 정보 모델. (2024)
심층 리드 최적화: 구조적 수정을 위한 생성 AI 활용 [2024]
Zhang, Odin, Haitao Lin, Hui Zhang, Huifeng Zhao, Yufei Huang, Yuansheng Huang, Dejun Jiang, Chang-yu Hsieh, Peichen Pan 및 Tingjun Hou.
arXiv:2404.19230 (2024)
신약 개발에서 생성 인공지능의 잠재력 발굴 [2024]
로마넬리, 비르힐리오, 카르멘 세르키아, 안토니오 라베키아.
생성적 AI 적용(2024년)
자동화된 구조 기반 De Novo 약물 설계의 최근 발전 [2024]
Bai, Qifeng, Jian Ma 및 Tingyang Xu.
J.Chem. 정보 모델. (2024)
신약 발견을 위한 AI 딥러닝 생성 모델 [2024]
Bai, Qifeng, Jian Ma 및 Tingyang Xu.
생성적 AI의 응용. 참: Springer International Publishing(2024)
De Novo 약물 분자 생성의 심층 생성 모델 [2024]
Xiangru Tang, Howard Dai, Elizabeth Knight, Fang Wu, Yunyang Li, Tianxiao Li, Mark Gerstein
arXiv:2402.08703 (2024) | 암호
De Novo 약물 분자 생성의 심층 생성 모델 [2023]
Chao Pang, Jianbo Qiao, Xiangxiang Zeng, Quan Zou 및 Leyi Wei*
J.Chem. 정보 모델. (2023)
딥 러닝 기반 생성 화학에 대한 히치하이커 가이드 [2023]
Yan Ivanenkov, Bogdan Zagribelnyy, Alex Malyshev, Sergei Evteev, Victor Terentiev, Petrina Kamya, Dmitry Bezrukov, Alex Aliper, Feng Ren 및 Alex Zhavoronkov
ACS 메드. 화학. 레트 사람. (2023)
생성 화학 및 약물 발견의 단기 응용을 위한 양자 컴퓨팅 [2023]
Pyrkov, Alexey, Alex Aliper, Dmitry Bezrukov, Yen-Chu Lin, Daniil Polykovskiy, Petrina Kamya, Feng Ren 및 Alex Zhavoronkov.
오늘의 약물 발견(2023)
구조 기반 약물 설계를 위한 기하학적 딥러닝에 대한 체계적인 조사 [2023]
Zaixi Zhang, Jiaxian Yan, Qi Liu, Enhong Chen
arXiv:2306.11768v2
생성 AI는 신약 개발에서 데이터 과학을 어떻게 방해할까요? [2023]
버트, 일본.
냇 바이오테크놀(2023)
화학 과학의 새로운 패러다임으로서의 생성 모델 [2023]
앤스틴, 딜런 M., 올렉산드르 이사예프.
JACS (2023)
새로운 약물 설계를 위한 화학 언어 모델: 도전과 기회 [2023]
그리소니, 프란체스카.
구조 생물학의 현재 의견 79(2023)
다목적 의약품 설계의 인공지능 [2023]
Luukkonen, Sohvi, Helle W. van den Maagdenberg, Michael TM Emmerich 및 Gerard JP van Westen.
구조 생물학의 현재 의견 79(2023)
생성 분자 설계에 구조 기반 접근법 통합 [2023]
토마스, 모건, 안드레아스 벤더, 크리스 드 그라프.
구조 생물학의 현재 의견 79(2023)
AI 기반 분자정보학 분야의 오픈사이언스를 위한 오픈데이터 및 알고리즘 [2023]
Brinkhaus, Henning Otto, Kohulan Rajan, Jonas Schaub, Achim Zielesny 및 Christoph Steinbeck.
구조 생물학의 현재 의견 79(2023)
기하학적 딥러닝을 활용한 구조 기반 약물 설계 [2023]
Isert, 클레멘스, 케네스 애츠, 기스버트 슈나이더.
구조 생물학의 현재 의견 79(2023)
MolGenSurvey: 분자 설계를 위한 기계 학습 모델에 대한 체계적인 조사 [2022]
Du, Yuanqi, Tianfan Fu, Jimeng Sun 및 Shengchao Liu.
arXiv:2203.14500 (2022)
심층 생성 분자 설계로 신약 발견이 재구성됨 [2022]
Zeng, Xiangxiang, Fei Wang, Yuan Luo, 강승구, Jian Tang, Felice C. Lightstone, Evandro F. Fang, Wendy Cornell, Ruth Nussinov 및 Feixiong Cheng.
셀 리포트 메디슨(2022)
딥러닝을 활용한 구조 기반 신약 발굴 [2022]
Özçelik, Rıza, Derek van Tilborg, José Jiménez-Luna 및 Francesca Grisoni.
켐바이오켐(2022)
분자 발견을 위한 생성 모델: 최근 발전과 과제 [2022]
Bilodeau, Camille, Wengong Jin, Tommi Jaakkola, Regina Barzilay 및 Klavs F. Jensen.
전산분자과학 12.5(2022)
화학 조성 공간에서 심층 생성 모델 평가 [2022]
Türk, Hanna, Elisabetta Landini, Christian Kunkel, Johannes T. Margraf 및 Karsten Reuter.
재료화학 34.21(2022)
새로운 약물 발견을 위한 생성적 기계 학습: 체계적 검토 [2022]
마르티넬리, 도미니크.
생물학 및 의학 컴퓨터 145(2022)
신약 후보 검색을 위한 도킹 기반 생성 접근 방식 [2022]
Danel, Tomasz, Jan Łęski, Sabina Podlewska 및 Igor T. Podolak.
오늘의 약물 발견(2022)
3차원 심층 생성 모델을 사용한 De Novo 약물 설계의 발전과 과제 [2022]
Xie, Weixin, Fanhao Wang, Yibo Li, Luhua Lai 및 Jianfeng Pei.
J.Chem. 정보 모델. 2022, 62, 10, 2269~2279
역분자 설계를 촉매하는 딥러닝 [2022]
Alshehri, Abdulelah S. 및 Fengqi You.
화학공학저널 444 (2022)
3D 복합 디자인의 AI [2022]
해드필드, 토마스 E., 샬롯 M. 딘.
구조 생물학의 현재 의견 73(2022)
새로운 약물 설계를 위한 딥 러닝 접근법: 개요 [2021]
Wang, Mingyang, Zhe Wang, Huiyong Sun, Jike Wang, Chao Shen, Gaoqi Weng, Xin Chai, Honglin Li, Dongsheng Cao 및 Tingjun Hou.
구조 생물학의 현재 의견 72(2022)
생성 화학: 딥 러닝 생성 모델을 사용한 약물 발견 [2021]
Bian, Yuemin, Xiang-Qun Xie.
분자 모델링 저널 27(2021)
타겟 화합물 설계를 위한 생성적 딥러닝 [2021]
수사, 티아구, 주앙 코레이아, 비토르 페레이라, 미구엘 로샤.
J.Chem. 정보 모델. 2021, 61, 11, 5343–5361
De Novo Drug Design을 위한 생성 모델 [2021]
Tong, Xiaochu, Xiaohong Liu, Xiaoqin Tan, Xutong Li, Jiaxin Jiang, Zhaoping Xiong, Tingyang Xu, Hualiang Jiang, Nan Qiao 및 Mingyue Zheng.
의약화학저널 64.19 (2021)
신약 발견의 분자 설계: 심층 생성 모델에 대한 종합적 검토 [2021]
Cheng, Yu, Yongshun Gong, Yuansheng Liu, Bosheng Song 및 Quan Zou.
생물정보학 브리핑 22.6(2021)
새로운 분자 설계 및 생성 모델 [2021]
마이어스, 조슈아, 베네덱 파비안, 네이선 브라운.
신약 발견의 오늘 26.11(2021)
분자 설계를 위한 딥 러닝 - 최신 기술 검토 [2019]
Elton, Daniel C., Zois Boukouvalas, Mark D. Fuge 및 Peter W. Chung.
분자시스템설계및엔지니어링 4.4 (2019)
머신러닝을 활용한 역분자 설계: 물질공학을 위한 생성모델 [2018]
산체스-렝겔링, 벤저민, 알란 아스푸루-구직.
과학 361.6400 (2018)
약물 은행
아연 15
아연 20
펍켐
쳄블
GDB 데이터베이스
화학거미
QM 데이터세트
코코넛 | 개방형 천연물 데이터베이스 수집
몰데이터
질병 및 표적 기반 기계 학습을 위한 분자 벤치마크
https://github.com/LumosBio/MolData
역고분자 설계를 위한 심층 생성 모델 벤치마킹 연구 [2024]
Yue T, Tao L, Varshney V, Li Y.
chemrxiv-2024-gzq4r (2024)
RediscMol: 생물학적 특성의 분자 생성 모델 벤치마킹 [2024]
Weng, Gaoqi, Huifeng Zhao, Dou Nie, Haotian Zhang, Liwei Liu, Tingjun Hou 및 Yu Kang.
J. Med. 화학. 2024 | 암호
생성 모델은 최소한 잘 도킹되는 분자를 설계할 수 있어야 합니다: 새로운 벤치마크 [2023]
Ciepliński, Tobiasz, Tomasz Danel, Sabina Podlewska 및 Stanisław Jastrzũbski.
J.Chem. 정보 모델. 2023, 63, 11, 3238–3247 | 암호
Tartarus: 현실적이고 실용적인 역분자 설계를 위한 벤치마킹 플랫폼 [2022]
Nigam, AkshatKumar, Robert Pollice, Gary Tom, Kjell Jorner, Luca A.
arXiv:2209.12487v1 | 암호
분자 세트(MOSES): 분자 생성 모델을 위한 벤치마킹 플랫폼 [2020]
Polykovskiy, Daniil, Alexander Zhebrak, Benjamin Sanchez-Lengeling, Sergey Golovanov, Oktai Tatanov, Stanislav Belyaev, Rauf Kurbanov 외.
약리학의 프론티어 11(2020) | 암호
GuacaMol: 새로운 분자 설계를 위한 벤치마킹 모델 [2019]
Brown, Nathan, Marco Fiscato, Marwin HS Segler 및 Alain C. Vaucher.
J.Chem. 정보 모델. 2019, 59, 3, 1096–1108 | 암호
약물 유사성은 특정 분자가 알려진 약물과 유사한지 여부를 결정하는 다양한 분자 특성과 구조 특징의 복잡한 균형으로 정의될 수 있습니다. 이러한 특성, 주로 소수성, 전자 분포, 수소 결합 특성, 분자 크기 및 유연성, 물론 다양한 약리학적 특성의 존재는 생체 이용률, 수송 특성, 단백질에 대한 친화성, 반응성, 독성, 대사 등 살아있는 유기체에서 분자의 거동에 영향을 미칩니다. 안정성 및 기타 여러 가지.
https://github.com/AspirinCode/DrugAI_Drug-Likeness
약물 유사성의 정량적 추정
약물 유사성을 표적으로 하는 단백질-단백질 상호작용의 정량적 추정
단백질-단백질 상호작용을 표적으로 하는 화합물의 초기 단계 스크리닝을 위한 정량적 추정 지수 [2021]
코스기, 타카츠구, 오우에 마사히토.
국제분자과학저널 22.20(2021) | 암호
약물 유사성을 목표로 하는 단백질-단백질 상호 작용의 정량적 추정 [2021]
코스기, 타카츠기, 오우에 마사히토.
CIBCB. IEEE, (2021) | 암호
분자 복잡성 및 단편 기여에 기초한 약물 유사 분자의 합성 접근성 점수 추정
J케민폼 1, 8(2009) | 암호
역합성 접근성 점수(RAscore) – AI 기반 역합성 계획을 통해 기계 학습으로 신속하게 합성 가능성 분류
화학과학과 12.9(2021) | 암호
해밀턴 다양성: 가장 짧은 해밀턴 회로를 통해 분자 다양성을 효과적으로 측정 [2024]
Hu, X., Liu, G., Yao, Q. et al.
제이케민폼 16, 94(2024) | 암호
공간 점수 – 소분자 복잡성에 대한 종합적인 토폴로지 지표 [2023]
Krzyzanowski, Adrian, Axel Pahl, Michael Grigalunas 및 Herbert Waldmann.
J. Med. 화학. (2023) | chemrxiv-2023-nd1ll | 암호
새로운 분자 설계를 위한 목표 지향 생성 모델의 평가를 촉진하고 표준화하기 위한 자동 채점 기능 [2023]
토마스, 모건, 노엘 M. 오보일, 안드레아스 벤더, 크리스 드 그라프.
chemrxiv-2023-c4867 | 암호
FCD : 프레셰 ChemNet 거리
Fréchet ChemNet 거리: 약물 발견 Preuer, Kristina, Philipp Renz, Thomas Unterthiner, Sepp Hochreiter 및 Gunter Klambauer의 분자 생성 모델 측정법.
J.Chem. 정보 모델. 2018, 58, 9, 1736~1741 | 암호
화학 언어 모델의 Perplexity 기반 분자 순위 및 편향 추정 [2022]
모렛, M., 그리소니, F., 카츠베르거, P. 및 슈나이더, G.
J.Chem. 정보 모델. 2022, 62, 5, 1199–1206 | 암호
분자 형태 변화 탐색을 위한 딥러닝 지원 강화 샘플링 [2023]
하오하오 푸(Haohao Fu), 한 리우(Han Liu), 징야 싱(Jingya Xing), 통 자오(Tong Zhao), 쉬에광 샤오(Xueguang Shao), 문성 카이(Wensheng Cai).
J. Phys. 화학. 비(2023)
이중 레벨 프로그래밍을 통한 분자 형태 생성을 위한 엔드투엔드 프레임워크 [2021]
Xu, Minkai, Wujie Wang, Shitong Luo, Chence Shi, Yoshua Bengio, Rafael Gomez-Bombarelli 및 Jian Tang.
기계 학습에 관한 국제 회의. PMLR(2021) | 암호
AGDIFF: 분자 기하학 예측을 위한 주의 강화 확산 [204]
김성수, 우제이, 김와이
ChemRxiv. (2024) | 암호
2D 분자 그래프에서 전이 상태를 탐색하기 위한 확산 기반 생성 AI [204]
김성수, 우제이, 김와이
Nat Commun 15, 341(2024) | 암호
약물 유사 분자 형태에 대한 물리학 기반 생성 모델 [204]
데이비드 C. 윌리엄스, 닐 이마나.
arXiv:2403.07925. (2024) | 암호
DynamicsDiffusion: 확산 모델을 사용한 분자 동적 궤적 생성 및 희귀 이벤트 샘플링 [2023]
피터슨, 매그너스, 젬마 로이그, 로베르토 코비노.
NeurIPS 2023 AI4Science(2023)
분자 일치자 필드 생성 [2023]
유양 왕, 아흐메드 엘하그, 나브딥 자이틀리, 조슈아 서스킨드, 미구엘 바티스타.
[NeurIPS 2023 생성적 AI 및 생물학(GenBio) 워크숍(2023)]https://openreview.net/forum?id=Od1KtMeAYo)
SE(3) 불변 공간에서 확산 기반 분자 형태 생성 가속화에 관하여 [2023]
Zhou, Z., Liu, R. 및 Yu, T.
arXiv:2310.04915 (2023))
점수 이동을 통한 분자 형태 생성 [2023]
Zhou, Zihan, Ruiying Liu, Chaolong Ying, Ruimao Zhang 및 Tianshu Yu.
arXiv:2309.09985 (2023)
EC-Conf: 등변적 일관성을 갖춘 분자 형태 생성을 위한 초고속 확산 모델 [2023]
Fan, Zhiguang, Yuedong Yang, Mingyuan Xu 및 Hongming Chen.
arXiv:2308.00237 (2023)
분자 순응체 생성을 위한 비틀림 확산 [2022]
Jing, Bowen, Gabriele Corso, Jeffrey Chang, Regina Barzilay 및 Tommi Jaakkola.
NeurIPS. (2022) | 암호
GeoDiff: 분자 형태 생성을 위한 기하학적 확산 모델 [2022]
Xu, Minkai, Lantao Yu, Yang Song, Chence Shi, Stefano Ermon 및 Jian Tang.
학습 표현에 관한 국제 회의. (2022) | 암호
생성적 AI 모델과 구조 기반 약물 설계를 활용한 Carbamate Cbl-b 억제제 발굴 가속화 [2024]
Quinn, TR, Giblin, KA, Thomson, C., Boerth, JA, Bommakanti, G., Braybrooke, E., Chan, C., Chinn, AJ, Code, E., Cui, C. 및 Fan, Y.
J. Med. 화학. (2024) | 암호
Reinvent 4: 최신 AI 기반 생성 분자 설계 [2024]
Hannes H. Loeffler, Jiazhen He, Alessandro Tibo, Jon Paul Janet, Alexey Voronov, Lewis H. Mervin & Ola Engkvist
Journal of Cheminformatics,16(20) (2024) | 암호
Chemistry42: 분자 설계 및 최적화를 위한 AI 기반 플랫폼 [2023]
Ivanenkov, Yan A., Daniil Polykovskiy, Dmitry Bezrukov, Bogdan Zagribelnyy, Vladimir Aladinskiy, Petrina Kamya, Alex Aliper, Feng Ren 및 Alex Zhavoronkov.
Journal of Chemical Information and Modeling 63.3(2023) | 편물
De Novo 약물 설계를 위한 전사 조건부 반복 신경망 [2024]
Matsukiyo, Y., Tengeiji, A., Li, C. 및 Yamanishi, Y.
J.Chem. 정보 모델. (2024) | 암호
심층 상호작용 학습을 통한 유망한 신규 약물 설계 [2024]
Atz, K., Cotos, L., Isert, C. et al.
Nat Commun 15, 3408(2024) | 암호
CNSMolGen: 새로운 중추신경계 약물 설계를 위한 양방향 순환 신경망 기반 생성 모델 [2024]
Gou, Rongpei, Jingyi Yang, Menghan Guo, Yingjun Chen 및 Weiwei Xue.
chemrxiv-2024-x4wbl(2024) | 암호
NovoMol: PDGFRα 수용체에 대한 경구 생체 이용 가능 약물 설계 및 검증을 위한 순환 신경망 [2023]
라오, 이시르.
arXiv:2312.01527 (2023) | 암호
순환신경망을 이용한 집중 약물분자 라이브러리 생성 [2023]
Zou, Jinping, Long Zhao 및 Shaoping Shi.
Journal of Molecular Modeling 29.12(2023) | 암호
ChemTSv2: 새로운 분자 생성기를 이용한 기능적 분자 설계 [2023]
이시다, 쇼이치, 타누즈 아사와트, 스미타 마사토, 카토우다 미치오, 요시자와 타츠야, 요시조에 카즈키, 츠다 코지, 테라야마 케이.
Wiley 학제간 리뷰: 전산 분자 과학(2023) | 암호
새로운 약물 설계를 위한 강화학습 활용 [2023]
Svensson, Hampus Gummesson, Christian Tyrchan, Ola Engkvist 및 Morteza Haghir Chehreghani.
arXiv:2303.17615 (2023) | 암호
다목적 보상 가중 합 및 강화 학습을 갖춘 Stack-RNN 기반 De novo 약물 설계 [2023]
Hu, P., Zou, J., Yu, J. et al.
J몰 모형 29, 121(2023) | 암호
분자 생성 모델의 현실적 검증의 어려움: 공공 및 독점 데이터에 대한 사례 연구 [2023]
한다, 코이치, 모건 토마스, 카게야마 미치하루, 이이지마 타케시, 안드레아스 벤더.
chemrxiv-2023-lbvgn | 암호
Magicmol: 약물 유사 분자 진화 및 빠른 화학 공간 탐사를 위한 경량 파이프라인 [2023]
Chen, Lin, Qing Shen 및 Jungang Lou.
BMC 생물정보학(2023) | 암호
Augmented Hill-Climb은 언어 기반 새로운 분자 생성을 위한 강화 학습 효율성을 높입니다. [2022]
Thomas, M., O'Boyle, NM, Bender, A. 등.
제이케민폼(2022) | 암호
화학 언어 모델을 이용한 새로운 분자 설계 [2022]
그리소니, F., 슈나이더, G.
의약품 디자인의 인공 지능. 분자생물학의 방법, vol 2390.(2022) | 암호
낮은 데이터 체제에서 에너지 물질에 대해 원하는 특성을 가진 분자를 신속하게 생성하기 위한 상관 RNN 프레임워크 [2022]
Li, Chuan, Chenghui Wang, Ming Sun, Yan Zeng, Yuan Yuan, Qiaolin Gou, Guangchuan Wang, Yanzhi Guo 및 Xuemei Pu.
J.Chem. 정보 모델. (2022) | 암호
De Novo 약물 설계를 위한 순환 신경망 아키텍처 최적화 [2021]
산토스, BP, Abbasi, M., Pereira, T., Ribeiro, B. 및 Arrais, JP
종이 | 암호
약물 발견을 위해 약물 유사 분자를 생성하는 순환 신경망(RNN) [2021]
암호
상호작용 지문(도킹 포즈)을 제약 조건으로 사용하는 분자 생성 모델 [2021]
암호
순환 신경망을 이용한 양방향 분자 생성 [2020]
그리소니, F., 모렛, M., 링우드, R., & 슈나이더, G.
J.Chem. 정보 모델. (2020) | 암호
설명자 조건부 순환 신경망을 사용한 새로운 분자 생성의 직접 조정 [2019]
Kotsias, PC., Arús-Pous, J., Chen, H. 등.
Nat Mach Intel 2, 254–265 (2020) | 암호
ChemTS: 새로운 분자 생성을 위한 효율적인 Python 라이브러리 [2017]
Yang, X., Zhang, J., Yoshizoe, K., Terayama, K. 및 Tsuda, K.
첨단소재과학기술(2017) | 암호
ClickGen: 모듈식 반응 및 강화 학습을 통해 합성 가능한 화학 공간의 직접 탐색 [2024]
Wang, M., Li, S., Wang, J. 외.
Nat Commun 15, 10127(2024) | 암호
인공지능 기반 약물 설계에 사용되는 디지털 단편화 방법인 DigFrag [2024]
Yang, R., Zhou, H., Wang, F. et al.
커뮤켐 7, 258(2024) | 암호
심층 상호작용 학습을 통한 유망한 신규 약물 설계 [2024]
Atz, K., Cotos, L., Isert, C. et al.
Nat Commun 15, 3408(2024) | 암호
맞춤형 LSTM 변형 자동 인코더 딥 러닝 아키텍처를 사용한 HIV 바이러스에 대한 전산 약물 발견 [2023]
Kutsal, Mucahit, Ferhat Ucar 및 Nida Kati.
CPT: 약리학 및 시스템 약리학. (2023) | 암호
De Novo 약물 설계를 위한 구조화된 상태공간 시퀀스 모델 [2023]
Özçelik R, 드 루이터 S, 그리소니 F.
chemrxiv-2023-jwmf3. (2023) | 암호
AI 기반 생성 약물 설계와 합성 접근성 통합 [2023]
Parrot, M., Tajmouati, H., da Silva, VBR 외.
제이케민폼 15, 83(2023) | 암호
새로운 약물 설계를 위한 심층 상호작용 학습 [2023]
Atz K, Cotos Muñoz L, Isert C, Håkansson M, Focht D, Nippa DF, 외.
chemrxiv-2023-cbq9k (2023)
위 양성자 펌프 구조를 기반으로 한 딥 러닝 기반 de novo 약물 설계 [2023]
Abe, K., Ozako, M., Inukai, M. 외.
Commun Biol 6, 956(2023) | 암호
입체화학적 정보를 활용한 생물학적 활동 예측 및 분자 히트 생성을 위한 인공지능 [2023]
Pereira, Tiago O., Maryam Abbasi, Rita I. Oliveira, Romina A. Guedes, Jorge AR Salvador 및 Joel P. Arrais.
연구광장. (2023) | 암호
논리: 새로운 화학 구조 설계를 위한 최적의 생성 분포 학습 [2023]
배병배, 배한혜, 남현화.
제이케민폼 15, 77(2023) | 암호
새로운 약물 설계를 위한 화학 언어 모델을 통한 분자 구조 및 생체 활성 활용 [2023]
Kotsias, PC., Arús-Pous, J., Chen, H. 등.
Nat Commun 14, 114(2023) | 암호
정책 그래디언트를 통한 미세 조정 및 목표 지향 생성 기능을 갖춘 SMILES 기반 CharLSTM [2022]
암호
DeLA-Drug: 약물 유사 유사체의 자동화된 설계를 위한 딥 러닝 알고리즘 [2022]
Creanza, TM, Lamanna, G., Delre, P., Contino, M., Corriero, N., Saviano, M., ... & Ancona, N.
J.Chem. 정보 모델. (2022) | 편물
순환 신경망 기반 전이 학습을 이용한 SARS-CoV-2 주요 단백질 분해효소 억제제의 새로운 설계 및 생체 활성 예측 [2021]
산타나, MVS, 실바 주니어, FP
BMC화학 15, 8(2021) | 암호
De Novo 약물 설계를 위한 생성적 반복 네트워크 [2018]
Gupta, A., Müller, AT, Huisman, BJ, Fuchs, JA, Schneider, P. 및 Schneider, G.
몰 알립니다. 2018 | 암호
De Novo 약물 설계를 위한 생성적 순환 신경망 [2017]
굽타(Gupta), 안비타(Anvita) 등.
몰 알립니다. 2018 | 암호
토성: 메모리 조작을 사용한 샘플 효율적인 생성 분자 설계 [2024]
제프 구오, 필립 슈월러.
arXiv:2405.17066 (2024) | 암호
Pareto MCTS를 통해 다중 목표를 추적하기 위한 표적 인식 분자 생성 활성화 [2024]
Yang, Y., Chen, G., Li, J. et al.
커뮤니얼 7, 1074(2024) | 암호
PocketFlow는 데이터 및 지식 기반 구조 기반 분자 생성 모델입니다. [2024]
Shengyong Yang, Yuanyuan Jiang, Guo Zhang 외.
냇 마하 인텔(2024) | 연구광장. 사전 인쇄. (2023) | 암호
심층 생성 프레임워크 및 반복 전이 학습을 통해 편향된 속성을 향한 새로운 분자 설계 [2024]
Sattari, Kianoosh, Dawei Li, Bhupalee Kalita, Yunchao Xie, Fatemeh Barmaleki Lighvan, Olexandr Isayev 및 Jian Lin.
디지털 디스커버리(2024) | 암호
교향곡: 3D 분자 생성을 위한 대칭 등변 점 중심 구면 고조파 [2024]
아메야 다이가베인, 김송은, 마리오 가이거, 테스 스미트.
ICLR(2024) | 암호
포켓 인식 리간드 설계를 위한 자동회귀 단편 기반 확산 [2023]
고르바니, 마흐디, 레오 젠델레프, 폴 베로자, 마이클 카이저.
NeurIPS 2023 생성 AI 및 생물학(GenBio) 워크숍. (2023) | 암호
3차원 분자 생성을 위한 위상학적 표면 및 기하학적 구조 학습 [2023]
Zhang, Odin, Tianyue Wang, Gaoqi Weng, Dejun Jiang, Ning Wang, Xiaorui Wang, Huifeng Zhao 등.
Nat Comput Sci(2023) | 암호
ResGen은 병렬 멀티스케일 모델링을 기반으로 하는 포켓 인식 3D 분자 생성 모델입니다. [2023]
Zhang, O., Zhang, J., Jin, J. 외.
냇 마하 인텔(2023) | 암호
FFLOM: 단편-리드 최적화를 위한 흐름 기반 자동 회귀 모델 [2023]
Jieyu Jin, Dong Wang, Guqin Shi, Jingxiao Bao, Jike Wang, Haotian Zhang, Peichen Pan, Dan Li, Xiaojun Yao, Huanxiang Liu, Tingjun Hou 및 Yu Kang
J. Med. 화학. (2023) | 암호
자기 피드백을 통한 도메인 독립적 분자 생성 [2023]
Yin Fang, Ningyu Zhang, Zhuo Chen, Xiaohui Fan, Huajun Chen
arXiv:2301.11259v3 | 암호
GraphAF: 분자 그래프 생성을 위한 흐름 기반 자기회귀 모델 [2020]
Shi, C., Xu, M., Zhu, Z., Zhang, W., Zhang, M., & Tang, J.
ICLR(2020) |arXiv:2001.09382 | 암호
화학적 자연어를 이용한 확산 기반 생성 약물 유사 분자 편집 [2024]
Jianmin Wang, Peng Zhou, Zixu Wang, Wei Long, Yangyang Chen, Kyoung Tai No, Dongsheng Ouyang*, Jiashun Mao* 및 Xiangxiang Zeng*.
J.Pharm. 항문. (2024) | 암호
고성능 대규모 화학 생성 모델을 위한 조각 토큰화와 함께 Tree-Transformer VAE 활용 [2024]
이누카이 T, 야마토 A, 아키야마 M, 사카키바라 Y.
ChemRxiv. (2024) | 암호
반응성 빌딩 블록을 통한 독성 제어를 통한 합리적인 리간드 생성을 위한 딥 러닝 접근법 [2024]
Li, P., Zhang, K., Liu, T. et al.
Nat Comput Sci(2024) | 암호
화학 설계 및 특성 예측을 위한 기초 모델 [2024]
Cai, F., Zhu, T., Tzeng, TR, Duan, Y., Liu, L., Pilla, S., Li, G. 및 Luo, F.
arXiv:2410.21422 (2024) | 암호
SE(3) 구조 기반 약물 발견을 위한 등변 토폴로지 [2024]
Prat A, Abdel Aty H, Pabrinkis A, Bastas O, Paquet T, Kamuntavičius G 등.
ChemRxiv. (2024)
다중 조건 분자 생성을 위한 그래프 확산 변환기 [2024]
Liu, Gang, Jiaxin Xu, Te Luo 및 Meng Jiang.
NeurIPS 2024(구강). (2024) | 암호
변압기 모델을 이용한 철저한 국지적 화학공간 탐사 [2024]
Tibo, A., He, J., Janet, JP 외.
Nat Commun 15, 7315(2024) | 암호
생성적 분자 설계를 위한 트랜스포머 그래프 변형 오토인코더 [2024]
Nguyen, Trieu 및 Aleksandra Karolak.
바이오Rxiv(2024)
BindGPT: 언어 모델링 및 강화 학습을 통한 3D 분자 설계를 위한 확장 가능한 프레임워크 [2024]
Zholus, Artem, Maksim Kuznetsov, Roman Schutski, Rim Shayakhmetov, Daniil Polykovskiy, Sarath Chandar 및 Alex Zhavoronkov.
arXiv:2406.03686 (2024)
그래프 기반 변환기 모델을 사용하여 새로운 펜타닐 유사체 탐색 [2024]
Zhang, Guangle, Yuan Zhang, Ling Li, Jiaying Zhou, Honglin Chen, Jinwen Ji, Yanru Li, Yue Cao, Zhihui Xu 및 Cong Pian.
학제간 과학: 전산 생명 과학(2024) | 암호
TenGAN: 순수 변압기 인코더는 De Novo 분자 생성을 위한 효율적인 이산 GAN을 만듭니다. [2024]
리, 첸, 야마니시 요시히로.
인공지능과 통계에 관한 국제회의. PMLR (2024)
DockingGA: 도킹 시뮬레이션을 통해 변환기 신경망 및 유전자 알고리즘을 사용하여 표적 분자 생성 강화 [2024]
Changnan Gao, Wenjie Bao, Shuang Wang, Jianyang Zheng, Lulu Wang, Yongqi Ren, Linfang Jiao, Jianmin Wang, Xun Wang.
기능유전체학 브리핑(2024) | 암호
안전해야 한다: 분자 설계를 위한 새로운 프레임워크 [2024]
Noutahi, Emmanuel, Cristian Gabellini, Michael Craig, Jonathan SC Lim 및 Prudencio Tossou.
디지털 디스커버리(2024) | arXiv:2310.10773 (2023) | 암호
분자 설계 효율성 향상: 언어 모델 및 생성 네트워크를 유전자 알고리즘과 통합 [2024]
Bhowmik, Debsindhu, Pei Zhang, Zachary Fox, Stephan Irle 및 John Gounley.
패턴(2024) | 암호
ChemSpaceAL: 단백질 특정 분자 생성에 적용되는 효율적인 능동 학습 방법론 [2024]
Kyro, Gregory W., Anton Morgunov, Rafael I. Brent 및 Victor S. Batista.
J.Chem. 정보 모델. (2024) | 암호
트랜스포머 기반 분자 설계의 강화학습 평가 [2024]
그는 J, Tibo A, Janet JP, Nittinger E, Tyrchan C, Czechtizky W 등.
chemrxiv-2024-r9ljm(2024) | 암호
이중 공간 최적화: 잠재 프롬프트 변환기를 통한 향상된 분자 서열 설계 [2024]
Deqian Kong, Yuhao Huang, Jianwen Xie, Edouardo Honig, Ming Xu, Shuanghong Xue, Pei Lin, Sanping Zhou, Sheng Zhong, Nanning Zheng, Ying Nian Wu.
arXiv:2402.17179 (2024)
Transformer와 결합된 VAE의 새로운 분자 생성 모델 [2024]
요시카이 야스히로, 미즈노 타다하야, 네모토 슌페이, 쿠스하라 히로유키.
arXiv:2402.11950 (2024) | 암호
GexMolGen: 유전자 발현 시그니처의 대규모 언어 모델 인코딩을 통한 히트 유사 분자의 교차 모드 생성 [2024]
Cheng, Jia-Bei, Xiaoyong Pan, Kaiyuan Yang, Shenghao Cao, Bin Liu, Qingran Yan 및 Ye Yuan.
바이오Rxiv(2024) | 암호
잠재적인 NLRP3 억제제 발견을 위한 국소 비계 다양성 기여 생성기 [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 및 Lijuan Chen.
J.Chem. 정보 모델. (2024) | 암호
화학 언어 모델을 사용한 약물 설계를 위한 표적 인식 분자 생성 [2024]
Xia, Yingce, Kehan Wu, Pan Deng, Renhe Liu, Yuan Zhang, Han Guo, Yumeng Cui et al.
Biorxiv (2024)
약물 코퍼 정보 생성 모델을 갖는 신규 및 생물 활성 리간드의 발견 가속화 [2024]
Xie, Weixin, Jianhang Zhang, Qin Xie, Chaojun Gong, Youjun Xu, Luhua Lai 및 Jianfeng Pei.
ARXIV : 2401.01059 (2024) | 암호
조건부 생성 모델에 기초한 자체 제공 가능한 중합체 발견 프레임 워크 [2023]
Xiangyun Lei와 Weike Ye와 Zhenze Yang과 Daniel Schweigert와 Ha-Kyung Kwon 및 Arash Khajeh.
ARXIV : 2312.04013. (2023)
Llamol : De Novo 분자 설계를위한 동적 다중 조건부 생성 변압기 [2023]
Dobberstein, Niklas, Astrid Maass 및 Jan Hamaekers.
ARXIV : 2311.14407. (2023) | 암호
GraphGpt : 조절 된 분자 생성을위한 그래프 향상 생성 사전 변압기 [2023]
Lu, Hao, Zhiqiang Wei, Xuze Wang, Kun Zhang 및 Hao Liu.
국제 분자 과학 저널 24.23 (2023) | 암호
Protacable은 Protacs의 De Novo 설계를 자동화하기위한 3D 모델링 및 딥 러닝의 통합 계산 파이프 라인입니다 [2023]
Hazem Mslati, Francesco Gentile, Mohit Pandey, Fuqiang Ban, Artem Cherkasov.
Biorxiv 2023.11.20.567951. (2023) | 암호
De Novo 약물 설계의 A2C 강화 학습에 기반한 분자 생성 전략 및 최적화 [2023]
Wang, Qian, Zhiqiang Wei, Xiaotong Hu, Zhuoya Wang, Yujie Dong 및 Hao Liu.
생물 정보학 : BTAD693. (2023) | 암호
유전자 발현 시그니처의 기초 모델 인코딩을 통한 히트 형 분자의 교차 모달 생성 [2023]
Jiabei Cheng, Xiaoyong Pan, Kaiyuan Yang, Shenghao Cao, Bin Liu, Ye Yuan.
Biorxiv 2023.11.11.566725. (2023) | 암호
Renevent4 : 현대 AI- 유도 생성 분자 설계 [2023]
Loeffler H, He J, Tibo A, Janet JP, Voronov A, Mervin L 등
Chemrxiv-2023-xt65x (2023) | 암호
변압기 및 깊은 강화 학습으로 화학 공간에서 결합 친화도의 최적화 [2023]
Xu, Xiaopeng, Juexiao Zhou, Chen Zhu, Qing Zhan, Zhongxiao Li, Ruochi Zhang, Yu Wang, Xingyu Liao 및 Xin Gao.
Chemrxiv-2023-7v4sw (2023) | 암호
강화 학습 및 변압기를 사용하여 고 부가가치 분자 검색 [2023]
Raj Ghugare와 Santiago Miret, Adriana Hugessen과 Mariano Phielipp 및 Glen Berseth.
ARXIV : 2310.02902 (2023)
변압기 기반 강화 학습을 통한 분자 드 노보 설계 [2023]
Feng, Tao, Pengcheng Xu, Tianfan Fu, Siddhartha Laghuvarapu 및 Jimeng Sun.
ARXIV : 2310.05365 (2023)
분자의 생성 설계를위한 확률 론적 생성 변압기 언어 모델 [2023]
Wei, L., Fu, N., Song, Y. et al.
J Cheminform 15, 88 (2023) | 암호
조인트 변압기가있는 드 노보 약물 설계 [2023]
Adam Izdebski 및 Ewelina WęGlarz-Tomczak 및 Ewa Szczurek 및 Jakub M. Tomczak
ARXIV : 2310.02066. (2023)
드 노보 약물 설계를위한 구조화 된 상태 공간 서열 모델 [2023]
Özçelik R, De Ruiter S, Grisoni F.
Chemrxiv-203-JWMF3. (2023) | 암호
변압기 기반 변이자 autoencoder 및 베이지안 최적화에 의한 치료 표적 단백질에 대한 억제제 및 활성화 제 후보의 화학 구조의 de novo 생성 [2023]
Yuki Matsukiyo, Chikashige Yamanaka 및 Yoshihiro Yamanishi.
J. Chem. 정보 모델. (2023) | 암호
역 변형 체 GAN은 특성 최적화를 가진 스캐 폴드 제약 분자를 생성합니다. [2023]
Li, C., Yamanishi, Y.
ECML PKDD (2023) | 암호
Chemspaceal : 단백질-특이 적 분자 생성에 적용되는 효율적인 능동 학습 방법론 [2023]
Kyro, Gregory W., Anton Morgunov, Rafael I. Brent 및 Victor S. Batista.
ARXIV : 2309.05853 (2023) | 암호
E (3) 불변 변압기 VAE를 사용한 효율적인 3D 분자 설계 [2023]
달러, 오리온, Nisarg Joshi, Jim Pfaendtner 및 David Ac Beck.
물리 화학 저널 A (2023) | 암호
LINGO3DMOL : 언어 모델을 사용한 포켓 기반 3D 분자의 생성 [2023]
Wang, Lvwei, Zaiyun Lin, Yanhao Zhu, Rong Bai, Wei Feng, Huting Wang, Jielong Zhou, Wei Peng, Bo Huang 및 Wenbiao Zhou.
ARXIV : 2305.10133 (2023) | 암호
FSM-DDTR : 변압기를 사용한 다목적 DE Novo 약물 설계에 대한 엔드 투 엔드 피드백 전략 [2023]
Monteiro, Nelson RC, Tiago O. Pereira, Ana Catarina D. Machado, José L. Oliveira, Maryam Abbasi 및 Joel P. Arrais.
생물학 및 의학의 컴퓨터 (2023) | 암호
마크로 사이 클릭 약물 후보 발견을 촉진하기 위해 딥 러닝에 의한 선형 분자의 거대 시화 [2023]
Diao, Y., Liu, D., Ge, H. et al.
Nat Commun 14, 4552 (2023) | 암호
딥 러닝을 통한 환자 유전자 발현 프로파일에 기초한 De Novo 약물 설계 [2023]
Yamanaka, Chikashige, Shunya Uki, Kazuma Kaitoh, Michio Iwata 및 Yoshihiro Yamanishi.
분자 정보학 (2023) | 암호
납 화합물의 ADMET 특성을 최적화하기위한 변압기 기반 딥 러닝 방법 [2023]
Yang, Lijuan, Chao Jin, Guanghui Yang, Zhitong Bing, Liang Huang, Yuzhen Niu 및 Lei Yang.
물리 화학 화학 물리학 25.3 (2023)
계산 약물 설계의 개념으로서의 서열 기반 약물 설계 [2023]
Chen, L., Fan, Z., Chang, J. et al.
Nat Commun 14, 4217 (2023) | 암호
DRIGHTGPT : 특정 단백질을 표적으로하는 잠재적 리간드 설계를위한 GPT 기반 전략 [2023]
Yuesen Li, Chengyi Gao, Xin Song, Xiangyu Wang, Orcid Profile Yungang Xu, Suxia Han보기
Biorxiv (2023) | 암호
Prefixmol : 접두사 임베딩을 통한 표적 및 화학 인식 분자 설계 [2023]
Gao, Zhangyang, Yuqi Hu, Cheng Tan 및 Stan Z. Li.
ARXIV : 2302.07120 (2023) | 암호
분자 설계에 대한 적응 언어 모델 교육 [2023]
Andrew E. Blanchard, Debsindhu Bhowmik, Zachary Fox, John Gounley, Jens Glaser, Belinda S. Akpa & Stephan Irle.
J Cheminform 15, 59 (2023) | 암호
CMGN : 원하는 특성을 갖는 대상-특이 적 분자를 설계하기위한 조건부 분자 생성 네트 [2023]
Yang, Minjian, Hanyu Sun, Xue Liu, Xi Xue, Yafeng Deng 및 Xiaojian Wang.
생물 정보학의 브리핑, 2023;, BBAD185 | 암호
CMOLGPT : 대상-특이 적 DE 노보 분자 생성을위한 조건부 생성 사전 훈련 된 변압기 [2023]
Wang, Ye, Honggang Zhao, Simone Sciabola 및 Wenlu Wang.
분자 2023, 28 (11), 4430 | 암호
변압기 및 정책 구배 강화 학습을 사용한 분자 생성 [2023]
Mazuz, E., Shtar, G., Shapira, B. et al.
Sci Rep 13, 8799 (2023) | 암호
IUPACGPT : 속성 예측 및 분자 생성을위한 IUPAC 기반 대규모 분자 분자 미리 훈련 된 모델 [2023]
Jiashun Mao ,, Jianmin Wang, Kwang-Hwi Cho, Kyoung Tai no
Chemrxiv-203-5kjvh | 암호
제약 아키텍처를 통한 표지 감소 된 분자 생성 [2023]
Wang, Jike, Yundian Zeng, Huiyong Sun, Junmei Wang, Xiaorui Wang, Ruofan Jin, Mingyang Wang et al.
J. Chem. 정보 모델. (2023) | 암호
확산 모델링 및 변압기 깊은 신경 네트워크를 사용한 새로운 화학 설계의 생성 발견 [2023]
Luu, Rachel K., Marcin Wysokowski 및 Markus J. Buehler.
ARXIV : 2304.12400V1 | 암호
회귀 변압기는 분자 언어 모델링을위한 동시 서열 회귀 및 생성을 가능하게한다 [2023]
J., Manica, M. 출생
Nat Mach Intell 5, 432–444 (2023) | 암호
항 바이러스 약물 설계를위한 변압기 기반 분자 생성 모델 [2023]
Mao, Jiashun; 왕, Jianming; Zeb, 아미르; Cho, Kwang-Hwi; 진, 하이 얀; 김, 종 완; Lee, Onju; 왕, 유합; 아니요, Kyoung Tai.
J. Chem. 정보 모델. (2023) | 암호
그래프 변압기 기반 생성 적대적 네트워크를 갖는 약물 후보 분자의 특수한 de novo 설계 [2023]
ünlü, atabey, elif Çevrim, Ahmet Sarıgün, Hayriye Çelikbilek, Haval Ataş Güvenilir, Altay Koyaş, Deniz Cansen Kahraman, Ahmet Rifaioğlu 및 Abdurrahman Olğaç.
ARXIV : 2302.07868V5
Drugex V3 : 그래프 변압기 기반 강화 학습을 가진 스캐 폴드 제약 약물 설계 [2023]
Liu, X., Ye, K., Van Vlijmen, Hwt et al.
J Cheminform 15, 24 (2023) | 암호
깊은 생성 모델로 약물과 같은 공간을 탐색한다 [2023]
Wang, Jianmin 등
방법 (2023) | 암호
대규모 화학 언어 표현은 분자 구조 및 특성을 포착합니다 [2022]
Ross, J., Belgodere, B., Chenthamarakshan, V., Padhi, I., Mroueh, Y., & Das, P.
Nat Mach Intell 4, 1256–1264 (2022) | 암호
Alphadrug : 단백질 표적 특이 적 De Novo 분자 생성 [2022]
Qian, Hao, Cheng Lin, Dengwei Zhao, Shikui Tu 및 Lei Xu.
PNAS Nexus (2022) | 암호
변압기 모델로 생물 활성 분자를 "번역"하는 법을 빨리 배울 수 있습니까? [2022]
Bagal, V., Aggarwal, R., Vinod, PK, & Priyakumar, UD
Chemrxiv-2022-Gln27
molgpt : 변압기-디코더 모델을 사용한 분자 생성 [2022]
Bagal, V., Aggarwal, R., Vinod, PK, & Priyakumar, UD
J. Chem. 정보 모델. 2022, 62, 9, 2064–2076 | 암호
단백질 포켓을위한 맞춤형 분자 : 구조화 된 약물 설계를위한 변압기 기반 생성 솔루션 [2022]
Wu, K., Xia, Y., Fan, Y., Deng, P., Liu, H., Wu, L., ... & liu, ty
Arxiv.2209.06158 | 암호
표적 약물 설계를위한 사전 상인 생화학 언어 모델 악용 [2022]
Uludoğan, Gökçe, Elif Ozkirimli, Kutlu O. Ulgen, Nilgün Karalı 및 Arzucan Özgür.
생물 정보학 (2022) | 암호
De Novo 분자 설계를위한 변압기 기반 생성 모델 [2022]
Wang, Wenlu 등
ARXIV : 2210.08749V2
분자와 자연 언어 사이의 번역 [2022]
Edwards, C., Lai, T., Ros, K., Honke, G., & Ji, H.
ARXIV : 2204.11817V3 | 암호
회귀 변압기는 분자 언어 모델링을위한 동시 서열 회귀 및 생성을 가능하게한다 [2022]
Jannis와 Manica, Matteo 출생
ARXIV : 2202.01338V3 | 암호
분자로부터의 생성 사전 훈련 [2021]
Adilov, Sanjar.
J. Chem. 정보 모델. 2022, 62, 9, 2064–2076 | 암호
분자 그래프 생성을위한 변압기 [2021]
Cofala, Tim 및 Oliver Kramer.
Esann 2021 | 암호
변압기를 갖는 분자의 공간 생성 [2021]
Cofala, Tim 및 Oliver Kramer.
IJCNN52387.2021.9533439 (2021) | 암호
생성 화학 변압기 : Atsentio를 통한 화학 언어에서 분자 기하학적 구조의 신경 기계 학습 [2021]
Hyunseung Kim, Jonggeol Na*및 Bo Lee*를 수상했습니다.
J. Chem. 정보 모델. 2021, 61, 12, 5804–5814 | 암호
C5T5 : 변압기를 갖는 유기 분자의 제어 가능한 생성 [2021]
Rothchild, D., Tamkin, A., Yu, J., Misra, U., & Gonzalez, J.
ARXIV : 2108.10307V1 | 암호
심층 신경망을 사용하여 화학자의 직관을 포착하여 분자 최적화 [2021]
He, J., You, H., Sandström, E. et al.
J Cheminform 13, 26 (2021) | 암호
기계 번역 문제로서 단백질-특이 적 DE 노보 약물 생성을위한 변압기 신경망 [2021]
Grechishnikova, Daria.
Sci Rep 11, 321 (2021) | 암호
Transmol : 분자 생성을위한 언어 모델을 다시 선포 [2021]
Grechishnikova, Daria.
RSC 발전. 2021; 11 (42) : 25921-32. | 암호
De Novo 분자 설계에 대한 관심 기반 생성 모델 [2021]
Dollar, O., Joshi, N., Beck, DA 및 Pfaendtner, J.,
화학 과학 12.24 (2021) | 암호
고성능 대형 화학 생성 모델을위한 조각 토큰 화으로 트리 변환기 VAE를 활용 [2024]
이누 카이 T, 야마토 A, 아키 야마 M, 사카 비라 Y.
chemrxiv. (2024) | 암호
생성 분자 설계를위한 변압기 그래프 변동 자동 인코더 [2024]
Nguyen, Trieu 및 Aleksandra Karolak.
Biorxiv (2024)
깊은 계층 적 생성 모델을 가진 구조 기반 약물 설계 [2024]
Weller, Jesse A. 및 Remo Rohs.
J. Chem. 정보 모델. (2024) | 암호
분자 설계를위한 깊은 생성 모델에서 전염병 모델 불확실성을 포착하기 위해 활성 하위 공간을 활용 [2024]
Abeer, Anm, Sanket Jantre, Nathan M. Urban 및 Byung-Jun Yoon.
ARXIV : 2405.00202 (2024)
GXVAES : 유전자 발현 프로파일로부터 히트 분자를 생성한다 [2024]
Li, Chen 및 Yoshihiro Yamanishi.
인공 지능에 관한 AAAI 회의의 절차. Vol. 38. 12. (2024) | 암호
상호 작용 유도 약물 설계를위한 3D 분자 생성 프레임 워크 [2024]
Zhung, W., Kim, H. & Kim, WY
Nat Commun 15, 2688 (2024) | 암호
계층 적 변동자가 코더를 통한주의 기반 분자 생성 [2024]
디바 하르 시바네산.
ARXIV : 2402.16854. (2024)
변압기와 결합 된 VAE의 새로운 분자 생성 모델 [2024]
Yasuhiro Yoshikai와 Tadahaya Mizuno와 Shumpei Nemoto 및 Hiroyuki Kusuhara.
ARXIV : 2402.11950 (2024) | 암호
기계 학습에 기초한 약물 효능을 갖는 새로운 화합물의 De Novo 생성 및 식별 [2024]
He, Dakuo, Qing Liu, Yan MI, Qingqi Meng, Libin Xu, Chunyu Hou, Jinpeng Wang et al.
고급 과학 (2024)
맞춤형 LSTM 변형 자동 인코더 딥 러닝 아키텍처를 사용한 HIV 바이러스에 대한 전산 약물 발견 [2023]
Kutsal, Mucahit, Ferhat Ucar 및 Nida Kati.
CPT : 약물학 및 시스템 약리학. (2023) | 암호
NRC-VABS : 약물 분자 설계를위한 잠재적 인 공간에서 적용된 빔 검색을 갖는 정규화 된 재 파라미터 화 된 조건부 변동 자동 인코더 [2023]
Bhadwal, Arun Singh, Kamal Kumar 및 Neeraj Kumar.
응용 프로그램이있는 전문가 시스템. (2023)
다중 모달 단백질 모델링을 갖는 리간드 생성을위한 표적 인식 변동 자동 인코더 [2023]
Ngo, Khang 및 Truong Son Hy.
Neurips 2023 생성 AI 및 생물학 (Genbio) 워크숍. (2023) | 암호
일반화 가능한 구조 기반 약물 설계를위한 상호 작용 인식 3D 분자 생성 프레임 워크 [2023]
Woo Youn Kim, Wonho Zhung 및 Hyeongwoo Kim.
연구 광장. (2023) | 암호
컴퓨터 보조 약물 설계에서 효과적인 일반적인 알고리즘으로서 변동 그래프 인코더의 적용 [2023]
Lam, Hyi, Pincket, R., Han, H. et al.
Nat Mach Intell 5, 754–764 (2023) | 암호
변압기 기반 변이자 autoencoder 및 베이지안 최적화에 의한 치료 표적 단백질에 대한 억제제 및 활성화 제 후보의 화학 구조의 de novo 생성 [2023]
Yuki Matsukiyo, Chikashige Yamanaka 및 Yoshihiro Yamanishi.
J. Chem. 정보 모델. (2023) | 암호
Rebadd-Se : 셀카 조각 및 오프 정책 자기 비판적인 시퀀스 훈련을 사용한 다목적 분자 최적화 [2023]
Choi, Jonghwan, Sangmin Seo, Seungyeon Choi, Shengmin Piao, Chihyun Park, Sung Jin Ryu, Byung Ju Kim 및 Sanghyun Park.
생물학 및 의학의 컴퓨터 157 (2023) | 암호
E (3) 불변 변압기 VAE를 사용한 효율적인 3D 분자 설계 [2023]
달러, 오리온, Nisarg Joshi, Jim Pfaendtner 및 David Ac Beck.
물리 화학 저널 A (2023) | 암호
국소화 된 고고 전해질 전해질 희석제 스크리닝에 대한 드문 표지 된 훈련 데이터를 사용한 다중 구조 분자 생성 [2023]
Mailoa, Jonathan P., Xin Li, Jiezhong Qiu 및 Shengyu Zhang.
디지털 발견 (2023) | 코드 | 데이터세트
생성 네트워크 복합체를 이용한 오피오이드 사용 장애 치료에 대한 다목적 분자 최적화 [2023]
Feng, Hongsong, Rui Wang, Chang-Guo Zhan 및 Guo-Wei Wei.
J. Med. 화학. (2023) | 암호
Scaffoldgvae : 다중 뷰 그래프 신경 네트워크를 기반으로 변동성 자동 인코더를 통한 약물 분자의 스캐 폴드 생성 및 호핑 [2023]
Hu, Chao, Song Li, Chenxing Yang, Jun Chen, Yi Xiong, Guisheng Fan, Hao Liu 및 Liang Hong.
J Cheminform 15, 91 (2023) | 연구 광장. (2023) | 암호
변이자자가 코더를 통한 다공성 유기 케이지의 깊은 생성 설계 [2023]
Jiajun Zhou, Austin Mroz, Kim Jelfs*.
Chemrxiv (2023) | 암호
멀티 모달 단백질 표현 학습을 갖는 리간드 생성에 대한 표적 인식 변동 자동 인코더 [2023]
Nhat Khang Ngo, Truong 아들 Hy.
bioRxiv. (2023) | 암호
드 노보 드
