papers for molecular design using DL
1.0.0
relacionado à IA generativa e aprendizado profundo para design molecular/droga e geração de conformação molecular .
Atualizando...
A Otimização Molecular será bem-vinda!!!
Design molecular (de drogas) usando inteligência artificial generativa e aprendizado profundo
| Menu | Menu | Menu | Menu |
|---|---|---|---|
| IA generativa para descoberta científica | Avaliações | Conjuntos de dados e benchmarks | Métricas de semelhança e avaliação de medicamentos |
| Design baseado em Deep Learning | Modelos de geração molecular baseados em texto | Modelos generativos moleculares profundos baseados em múltiplos alvos | Modelos generativos moleculares profundos baseados em ligantes |
| Modelos generativos moleculares profundos baseados em farmacóforos | Modelos generativos moleculares profundos baseados em estrutura | Modelos generativos moleculares profundos baseados em fragmentos | DMGs baseados em andaime |
| DMGs baseados em fragmentos | DMGs baseados em motivos | DMGs baseados em linkers | Modelos generativos moleculares profundos baseados em reações químicas |
| Modelos generativos moleculares profundos baseados em ômicas | Modelos generativos moleculares profundos multiobjetivos | Modelos generativos moleculares profundos quânticos | Recomendações e Referências |
| Baseado em espectros (massa/RMN) | Baseado em espectro de massa | Baseado em espectros de RMN | Baseado em mapas Cryo-EM |
| Conjuntos de dados | Referências | Semelhança com drogas | Métricas de avaliação |
|---|---|---|---|
| Conjuntos de dados | Referências | QED | pontuação SA |
| QEPPI | pontuação RA | ||
| Métricas de avaliação | |||
| Validação generativa molecular |
| Menu | Menu |
|---|---|
| Referência para conjuntos de conformadores moleculares | Comentários sobre Geração de Conformação Molecular |
| Geração de conformação molecular baseada em VAE | Geração de conformação molecular baseada em GAN |
| Geração de conformação molecular baseada em energia | |
| Geração de conformação molecular baseada em difusão | |
| Geração de conformação molecular baseada em RL | |
| Geração de conformação molecular baseada em GNN |
| Menu | Menu | Menu | Menu |
|---|---|---|---|
| Baseado em RNN | Baseado em LSTM | Modelos autorregressivos | Baseado em transformador |
| Baseado em VAE | Baseado em GAN | Baseado em fluxo | Baseado em prompt |
| Baseado em pontuação | Baseado em energia | Baseado em difusão | DMGs de aprendizagem ativa |
| Baseado em RL | DMGs multitarefa | Pesquisa de árvore de Monte Carlo | Baseado em algoritmo genético |
| Baseado em algoritmo evolutivo | Baseado em modelo de linguagem grande |
Design de materiais usando inteligência artificial generativa e aprendizado profundo
| Menu | Menu | Menu | Menu |
|---|---|---|---|
incrível-AI4ProteinConformation-MD
https://github.com/AspirinCode/awesome-AI4ProteinConformation-MD
Grande modelo de linguagem para ciências biomédicas, moléculas, proteínas e descoberta de materiais
https://github.com/HHW-zhou/LLM4Mol
Lista de artigos sobre Design de Proteínas usando Deep Learning
https://github.com/Peldom/papers_for_protein_design_using_DL
IA generativa incrível
https://github.com/steven2358/awesome-generative-ai
incrível geração molecular
https://github.com/amorehead/awesome-molecular-generação
Uma pesquisa de inteligência artificial na descoberta de medicamentos
https://github.com/dengjianyuan/Survey_AI_Drug_Discovery
Aprendizado profundo de geometria para descoberta de medicamentos e ciências biológicas
https://github.com/3146830058/Geometry-Deep-Learning-for-Drug-Discovery-and-Life-Science
Modelos de difusão no projeto de medicamentos De Novo [204]
Alakhdar, Amira, Barnabas Poczos e Newell Washburn.
J. Química. Inf. Modelo. (2024)
Otimização profunda de leads: aproveitando IA generativa para modificação estrutural [2024]
Zhang, Odin, Haitao Lin, Hui Zhang, Huifeng Zhao, Yufei Huang, Yuansheng Huang, Dejun Jiang, Chang-yu Hsieh, Peichen Pan e Tingjun Hou.
arXiv:2404.19230 (2024)
Desbloqueando o potencial da inteligência artificial generativa na descoberta de medicamentos [2024]
Romanelli, Virgílio, Carmen Cerchia e Antonio Lavecchia.
Aplicações de IA Generativa (2024)
Avanços recentes no projeto automatizado de medicamentos De Novo baseado em estrutura [2024]
Bai, Qifeng, Jian Ma e Tingyang Xu.
J. Química. Inf. Modelo. (2024)
Modelos generativos de aprendizagem profunda de IA para descoberta de medicamentos [2024]
Bai, Qifeng, Jian Ma e Tingyang Xu.
Aplicações de IA Generativa. Cham: Springer International Publishing (2024)
Modelos generativos profundos na geração de moléculas de drogas De Novo [2024]
Xiangru Tang, Howard Dai, Elizabeth Knight, Fang Wu, Yunyang Li, Tianxiao Li, Mark Gerstein
arXiv:2402.08703 (2024) | código
Modelos generativos profundos na geração de moléculas de drogas De Novo [2023]
Chao Pang, Jianbo Qiao, Xiangxiang Zeng, Quan Zou e Leyi Wei*
J. Química. Inf. Modelo. (2023)
O Guia do Mochileiro para Química Gerativa Orientada ao Aprendizado Profundo [2023]
Yan Ivanenkov, Bogdan Zagribelnyy, Alex Malyshev, Sergei Evteev, Victor Terentiev, Petrina Kamya, Dmitry Bezrukov, Alex Aliper, Feng Ren e Alex Zhavoronkov
ACS Med. Química. Vamos. (2023)
Computação quântica para aplicações de curto prazo em química generativa e descoberta de medicamentos [2023]
Pyrkov, Alexey, Alex Aliper, Dmitry Bezrukov, Yen-Chu Lin, Daniil Polykovskiy, Petrina Kamya, Feng Ren e Alex Zhavoronkov.
Descoberta de drogas hoje (2023)
Uma pesquisa sistemática em aprendizagem geométrica profunda para design de medicamentos baseados em estrutura [2023]
Zaixi Zhang, Jiaxian Yan, Qi Liu, Enhong Chen
arXiv:2306.11768v2
Como a IA generativa irá perturbar a ciência de dados na descoberta de medicamentos? [2023]
Vert, JP.
Nat Biotecnologia (2023)
Modelos Gerativos como Paradigma Emergente nas Ciências Químicas [2023]
Anstine, Dylan M. e Olexandr Isayev.
JACS (2023)
Modelos de linguagem química para design de medicamentos de novo: Desafios e oportunidades [2023]
Grisoni, Francesca.
Opinião Atual em Biologia Estrutural 79 (2023)
Inteligência artificial no design multiobjetivo de medicamentos [2023]
Luukkonen, Sohvi, Helle W. van den Maagdenberg, Michael TM Emmerich e Gerard JP van Westen.
Opinião Atual em Biologia Estrutural 79 (2023)
Integração de abordagens baseadas em estrutura em design molecular generativo [2023]
Thomas, Morgan, Andreas Bender e Chris de Graaf.
Opinião Atual em Biologia Estrutural 79 (2023)
Dados abertos e algoritmos para ciência aberta em informática molecular baseada em IA [2023]
Brinkhaus, Henning Otto, Kohulan Rajan, Jonas Schaub, Achim Zielesny e Christoph Steinbeck.
Opinião Atual em Biologia Estrutural 79 (2023)
Projeto de medicamentos baseado em estrutura com aprendizagem geométrica profunda [2023]
Isert, Clemens, Kenneth Atz e Gisbert Schneider.
Opinião Atual em Biologia Estrutural 79 (2023)
MolGenSurvey: uma pesquisa sistemática em modelos de aprendizado de máquina para design de moléculas [2022]
Du, Yuanqi, Tianfan Fu, Jimeng Sun e Shengchao Liu.
arXiv:2203.14500 (2022)
O design molecular generativo profundo remodela a descoberta de medicamentos [2022]
Zeng, Xiangxiang, Fei Wang, Yuan Luo, Seung-gu Kang, Jian Tang, Felice C. Lightstone, Evandro F. Fang, Wendy Cornell, Ruth Nussinov e Feixiong Cheng.
Medicina de relatórios celulares (2022)
Descoberta de medicamentos baseada em estrutura com aprendizagem profunda [2022]
Özçelik, Rıza, Derek van Tilborg, José Jiménez-Luna e Francesca Grisoni.
QuímicaBioQuímica (2022)
Modelos generativos para descoberta molecular: avanços e desafios recentes [2022]
Bilodeau, Camille, Wengong Jin, Tommi Jaakkola, Regina Barzilay e Klavs F. Jensen.
Ciência Molecular Computacional 12.5 (2022)
Avaliação de modelos generativos profundos no espaço de composição química [2022]
Türk, Hanna, Elisabetta Landini, Christian Kunkel, Johannes T. Margraf e Karsten Reuter.
Química de Materiais 34.21 (2022)
Aprendizado de máquina generativo para descoberta de novo medicamento: uma revisão sistemática [2022]
MARTINELLI, Domingos.
Computadores em Biologia e Medicina 145 (2022)
Abordagens generativas baseadas em docking na busca por novos candidatos a medicamentos [2022]
Danel, Tomasz, Jan Łęski, Sabina Podlewska e Igor T. Podolak.
Descoberta de medicamentos hoje (2022)
Avanços e desafios no projeto de medicamentos De Novo usando modelos generativos profundos tridimensionais [2022]
Xie, Weixin, Fanhao Wang, Yibo Li, Luhua Lai e Jianfeng Pei.
J. Química. Inf. Modelo. 2022, 62, 10, 2269–2279
Aprendizado profundo para catalisar design molecular inverso [2022]
Alshehri, Abdulelah S. e Fengqi You.
Revista de Engenharia Química 444 (2022)
IA em design de compostos 3D [2022]
Hadfield, Thomas E. e Charlotte M. Deane.
Opinião Atual em Biologia Estrutural 73 (2022)
Abordagens de aprendizagem profunda para design de medicamentos de novo: uma visão geral [2021]
Wang, Mingyang, Zhe Wang, Huiyong Sun, Jike Wang, Chao Shen, Gaoqi Weng, Xin Chai, Honglin Li, Dongsheng Cao e Tingjun Hou.
Opinião Atual em Biologia Estrutural 72 (2022)
Química generativa: descoberta de medicamentos com modelos generativos de aprendizagem profunda [2021]
Bian, Yuemin e Xiang-Qun Xie.
Revista de Modelagem Molecular 27 (2021)
Aprendizado profundo generativo para design de compostos direcionados [2021]
Sousa, Tiago, João Correia, Vítor Pereira e Miguel Rocha.
J. Química. Inf. Modelo. 2021, 61, 11, 5343–5361
Modelos generativos para design de medicamentos De Novo [2021]
Tong, Xiaochu, Xiaohong Liu, Xiaoqin Tan, Xutong Li, Jiaxin Jiang, Zhaoping Xiong, Tingyang Xu, Hualiang Jiang, Nan Qiao e Mingyue Zheng.
Revista de Química Medicinal 64.19 (2021)
Design molecular na descoberta de medicamentos: uma revisão abrangente de modelos generativos profundos [2021]
Cheng, Yu, Yongshun Gong, Yuansheng Liu, Bosheng Song e Quan Zou.
Briefings em bioinformática 22.6 (2021)
Design molecular de novo e modelos generativos [2021]
Meyers, Joshua, Benedek Fabian e Nathan Brown.
Descoberta de drogas hoje 26.11 (2021)
Aprendizado profundo para design molecular - uma revisão do estado da arte [2019]
Elton, Daniel C., Zois Boukouvalas, Mark D. Fuge e Peter W. Chung.
Projeto e Engenharia de Sistemas Moleculares 4.4 (2019)
Design molecular inverso usando aprendizado de máquina: modelos generativos para engenharia de matéria [2018]
Sanchez-Lengeling, Benjamin e Alán Aspuru-Guzik.
Ciência 361.6400 (2018)
Banco de Drogas
ZINCO 15
ZINCO 20
PubChem
ChEMBL
Bancos de dados GDB
ChemSpider
Conjunto de dados QM
COCO | Coleção de banco de dados aberto de produtos naturais
MolData
Uma referência molecular para doenças e aprendizado de máquina baseado em alvos
https://github.com/LumosBio/MolData
Estudo de benchmarking de modelos generativos profundos para design de polímero inverso [2024]
Yue T, Tao L, Varshney V, Li Y.
chemrxiv-2024-gzq4r (2024)
RediscMol: Comparação de modelos de geração molecular em propriedades biológicas [2024]
Weng, Gaoqi, Huifeng Zhao, Dou Nie, Haotian Zhang, Liwei Liu, Tingjun Hou e Yu Kang.
J. Med. Química. 2024 | código
Os modelos generativos devem pelo menos ser capazes de projetar moléculas que se encaixem bem: um novo benchmark [2023]
Ciepliński, Tobiasz, Tomasz Danel, Sabina Podlewska e Stanisław Jastrzȩbski.
J. Química. Inf. Modelo. 2023, 63, 11, 3238–3247 | código
Tártaro: uma plataforma de benchmarking para design molecular inverso realista e prático [2022]
Nigam, AkshatKumar, Robert Pollice, Gary Tom, Kjell Jorner, Luca A.
arXiv:2209.12487v1 | código
Conjuntos Moleculares (MOSES): Uma plataforma de benchmarking para modelos de geração molecular [2020]
Polykovskiy, Daniil, Alexander Zhebrak, Benjamin Sanchez-Lengeling, Sergey Golovanov, Oktai Tatanov, Stanislav Belyaev, Rauf Kurbanov e outros.
Fronteiras em farmacologia 11 (2020) | código
GuacaMol: Modelos de Benchmarking para Design Molecular de Novo [2019]
Brown, Nathan, Marco Fiscato, Marwin HS Segler e Alain C. Vaucher.
J. Química. Inf. Modelo. 2019, 59, 3, 1096–1108 | código
A semelhança com o fármaco pode ser definida como um equilíbrio complexo de várias propriedades moleculares e características estruturais que determinam se uma determinada molécula é semelhante aos fármacos conhecidos. Estas propriedades, principalmente hidrofobicidade, distribuição electrónica, características de ligação de hidrogénio, tamanho e flexibilidade da molécula e, claro, presença de várias características farmacofóricas influenciam o comportamento da molécula num organismo vivo, incluindo biodisponibilidade, propriedades de transporte, afinidade com proteínas, reactividade, toxicidade, metabolismo estabilidade e muitos outros.
https://github.com/AspirinCode/DrugAI_Drug-Likeness
estimativa quantitativa da semelhança com drogas
estimativa quantitativa da interação proteína-proteína visando a semelhança com drogas
Índice de estimativa quantitativa para triagem em estágio inicial de compostos direcionados a interações proteína-proteína [2021]
Kosugi, Takatsugu e Masahito Ohue.
Revista Internacional de Ciências Moleculares 22.20 (2021) | código
Estimativa quantitativa da interação proteína-proteína visando a semelhança com medicamentos [2021]
Kosugi, Takatsugi e Masahito Ohue.
CIBCB. IEEE, (2021) | código
Estimativa da pontuação de acessibilidade sintética de moléculas semelhantes a medicamentos com base na complexidade molecular e contribuições de fragmentos
J Cheminform 1, 8 (2009) | código
Pontuação de acessibilidade retrossintética (RAscore) – classificação rápida de sintetizabilidade aprendida por máquina a partir do planejamento retrossintético orientado por IA
Ciência Química 12.9 (2021) | código
Diversidade hamiltoniana: medindo efetivamente a diversidade molecular por circuitos hamiltonianos mais curtos [2024]
Hu, X., Liu, G., Yao, Q. et al.
J Cheminform 16, 94 (2024) | código
Pontuação Espacial – Um Indicador Topológico Abrangente para Complexidade de Pequenas Moléculas [2023]
Krzyzanowski, Adrian, Axel Pahl, Michael Grigalunas e Herbert Waldmann.
J. Med. Química. (2023) | chemrxiv-2023-nd1ll | código
Uma função de pontuação automatizada para facilitar e padronizar a avaliação de modelos generativos direcionados a objetivos para design molecular de novo [2023]
Thomas, Morgan, Noel M. O'Boyle, Andreas Bender e Chris De Graaf.
chemrxiv-2023-c4867 | código
FCD: Distância Fréchet ChemNet
Distância Fréchet ChemNet: uma métrica para modelos generativos para moléculas na descoberta de medicamentos Preuer, Kristina, Philipp Renz, Thomas Unterthiner, Sepp Hochreiter e Gunter Klambauer.
J. Química. Inf. Modelo. 2018, 58, 9, 1736–1741 | código
Classificação de moléculas baseadas em perplexidade e estimativa de polarização de modelos de linguagem química [2022]
Moret, M., Grisoni, F., Katzberger, P. e Schneider, G.
J. Química. Inf. Modelo. 2022, 62, 5, 1199–1206 | código
Amostragem aprimorada assistida por aprendizado profundo para explorar mudanças conformacionais moleculares [2023]
Haohao Fu, Han Liu, Jingya Xing, Tong Zhao, Xueguang Shao e Wensheng Cai.
J. Física. Química. B (2023)
Uma estrutura ponta a ponta para geração de conformação molecular por meio de programação de dois níveis [2021]
Xu, Minkai, Wujie Wang, Shitong Luo, Chence Shi, Yoshua Bengio, Rafael Gomez-Bombarelli e Jian Tang.
Conferência Internacional sobre Aprendizado de Máquina. PMLR (2021) | código
AGDIFF: Difusão com atenção aprimorada para previsão de geometria molecular [204]
Kim, S., Woo, J. e Kim, WY
QuímicaRxiv. (2024) | código
IA generativa baseada em difusão para explorar estados de transição a partir de gráficos moleculares 2D [204]
Kim, S., Woo, J. e Kim, WY
Nat Comun 15, 341 (2024) | código
Modelo generativo informado pela física para conformadores de moléculas semelhantes a drogas [204]
David C. Williams, Neil Imana.
arXiv:2403.07925. (2024) | código
DynamicsDiffusion: Geração e amostragem de eventos raros de trajetórias dinâmicas moleculares usando modelos de difusão [2023]
Petersen, Magnus, Gemma Roig e Roberto Covino.
NeurIPS 2023 AI4Science (2023)
Gerando Campos Conforme Moleculares [2023]
Yuyang Wang, Ahmed Elhag, Navdeep Jaitly, Joshua Susskind, Miguel Bautista.
[Workshop NeurIPS 2023 sobre IA generativa e biologia (GenBio) (2023)]https://openreview.net/forum?id=Od1KtMeAYo)
Sobre a aceleração da geração de conformação molecular baseada na difusão no espaço invariante SE (3) [2023]
Zhou, Z., Liu, R. e Yu, T.
arXiv:2310.04915 (2023))
Geração de conformação molecular por meio de mudanças nas pontuações [2023]
Zhou, Zihan, Ruiying Liu, Chaolong Ying, Ruimao Zhang e Tianshu Yu.
arXiv:2309.09985 (2023)
EC-Conf: Um modelo de difusão ultrarrápida para geração de conformação molecular com consistência equivalente [2023]
Fan, Zhiguang, Yuedong Yang, Mingyuan Xu e Hongming Chen.
arXiv:2308.00237 (2023)
Difusão torcional para geração de conformadores moleculares [2022]
Jing, Bowen, Gabriele Corso, Jeffrey Chang, Regina Barzilay e Tommi Jaakkola.
NeurIPS. (2022) | código
GeoDiff: Um modelo de difusão geométrica para geração de conformação molecular [2022]
Xu, Minkai, Lantao Yu, Yang Song, Chence Shi, Stefano Ermon e Jian Tang.
Conferência Internacional sobre Representações de Aprendizagem. (2022) | código
Descoberta acelerada de inibidores de carbamato Cbl-b usando modelos de IA generativos e design de medicamentos baseado em estrutura [2024]
Quinn, TR, Giblin, KA, Thomson, C., Boerth, JA, Bommakanti, G., Braybrooke, E., Chan, C., Chinn, AJ, Code, E., Cui, C. e Fan, Y.
J. Med. Química. (2024) | código
Reinventar 4: Design moderno de moléculas generativas baseado em IA [2024]
Hannes H. Loeffler, Jiazhen He, Alessandro Tibo, Jon Paul Janet, Alexey Voronov, Lewis H. Mervin e Ola Engkvist
Journal of Cheminformatics,16(20) (2024) | código
Chemistry42: Uma plataforma baseada em IA para design e otimização molecular [2023]
Ivanenkov, Yan A., Daniil Polykovskiy, Dmitry Bezrukov, Bogdan Zagribelnyy, Vladimir Aladinskiy, Petrina Kamya, Alex Aliper, Feng Ren e Alex Zhavoronkov.
Journal of Chemical Information and Modeling 63.3 (2023) | rede
Rede Neural Recorrente Transcricionalmente Condicional para Projeto de Medicamento De Novo [2024]
Matsukiyo, Y., Tengeiji, A., Li, C. e Yamanishi, Y.
J. Química. Inf. Modelo. (2024) | código
Projeto prospectivo de novo medicamento com aprendizagem interativa profunda [2024]
Atz, K., Cotos, L., Isert, C. et al.
Nat Comun 15, 3408 (2024) | código
CNSMolGen: um modelo generativo baseado em redes neurais recorrentes bidirecionais para projeto de novo de medicamentos para o sistema nervoso central [2024]
Gou, Rongpei, Jingyi Yang, Menghan Guo, Yingjun Chen e Weiwei Xue.
chemrxiv-2024-x4wbl (2024) | código
NovoMol: Rede Neural Recorrente para Projeto e Validação de Medicamentos Biodisponíveis por Via Oral no Receptor PDGFRα [2023]
RAO, Ishir.
arXiv:2312.01527 (2023) | código
Geração de biblioteca focada de moléculas de medicamentos usando rede neural recorrente [2023]
Zou, Jinping, Long Zhao e Shaoping Shi.
Jornal de Modelagem Molecular 29.12 (2023) | código
ChemTSv2: Design molecular funcional usando gerador de moléculas de novo [2023]
Ishida, Shoichi, Tanuj Aasawat, Masato Sumita, Michio Katouda, Tatsuya Yoshizawa, Kazuki Yoshizoe, Koji Tsuda e Kei Terayama.
Revisões interdisciplinares de Wiley: Ciência Molecular Computacional (2023) | código
Utilizando Aprendizagem por Reforço para Design de Medicamentos de novo [2023]
Svensson, Hampus Gummesson, Christian Tyrchan, Ola Engkvist e Morteza Haghir Chehreghani.
arXiv:2303.17615 (2023) | código
Projeto de novo medicamento baseado em Stack-RNN com soma multiobjetivo ponderada por recompensa e aprendizagem por reforço [2023]
Hu, P., Zou, J., Yu, J. et al.
J Mol Modelo 29, 121 (2023) | código
Sobre a dificuldade de validar modelos geradores moleculares de forma realista: um estudo de caso sobre dados públicos e proprietários [2023]
Handa, Koichi, Morgan Thomas, Michiharu Kageyama, Takeshi Iijima e Andreas Bender.
chemrxiv-2023-lbvgn | código
Magicmol: um pipeline leve para evolução de moléculas semelhantes a drogas e rápida exploração química do espaço [2023]
Chen, Lin, Qing Shen e Jungang Lou.
BMC Bioinformática (2023) | código
Augmented Hill-Climb aumenta a eficiência da aprendizagem por reforço para geração de moléculas de novo baseadas em linguagem [2022]
Thomas, M., O'Boyle, NM, Bender, A. et al.
J Cheminform (2022) | código
Projeto de molécula de novo com modelos de linguagem química [2022]
Grisoni, F., Schneider, G.
Inteligência Artificial no Design de Medicamentos. Métodos em Biologia Molecular, vol 2390.(2022) | código
Estrutura RNN correlacionada para gerar rapidamente moléculas com propriedades desejadas para materiais energéticos no regime de dados baixos [2022]
Li, Chuan, Chenghui Wang, Ming Sun, Yan Zeng, Yuan Yuan, Qiaolin Gou, Guangchuan Wang, Yanzhi Guo e Xuemei Pu.
J. Química. Inf. Modelo. (2022) | código
Otimizando Arquiteturas de Redes Neurais Recorrentes para Projeto de Medicamentos De Novo [2021]
Santos, BP, Abbasi, M., Pereira, T., Ribeiro, B., & Arrais, JP
Papel | código
Uma rede neural recorrente (RNN) que gera moléculas semelhantes a medicamentos para descoberta de medicamentos [2021]
código
Um modelo generativo de molécula usou impressão digital de interação (pose de encaixe) como restrições [2021]
código
Geração de moléculas bidirecionais com redes neurais recorrentes [2020]
Grisoni, F., Moret, M., Lingwood, R., & Schneider, G.
J. Química. Inf. Modelo. (2020) | código
Direção direta de geração molecular de novo com redes neurais recorrentes condicionais de descritor [2019]
Kotsias, PC., Arús-Pous, J., Chen, H. et al.
Nat Mach Intell 2, 254–265 (2020) | código
ChemTS: uma biblioteca Python eficiente para geração molecular de novo [2017]
Yang, X., Zhang, J., Yoshizoe, K., Terayama, K., & Tsuda, K.
Ciência e Tecnologia de Materiais Avançados (2017) | código
ClickGen: Exploração dirigida de espaço químico sintetizável por meio de reações modulares e aprendizagem por reforço [2024]
Wang, M., Li, S., Wang, J. et al.
Nat Comun 15, 10127 (2024) | código
DigFrag como um método de fragmentação digital usado para design de medicamentos baseado em inteligência artificial [2024]
Yang, R., Zhou, H., Wang, F. et al.
Comun Chem 7, 258 (2024) | código
Projeto prospectivo de novo medicamento com aprendizagem interativa profunda [2024]
Atz, K., Cotos, L., Isert, C. et al.
Nat Comun 15, 3408 (2024) | código
Descoberta computacional de medicamentos para o vírus HIV com uma arquitetura de aprendizado profundo de autoencodificador variacional LSTM personalizado [2023]
Kutsal, Mucahit, Ferhat Ucar e Nida Kati.
CPT: Farmacometria e Farmacologia de Sistemas. (2023) | código
Modelos estruturados de sequência de espaço de estados para projeto de medicamento De Novo [2023]
Özçelik R, de Ruiter S, Grisoni F.
chemrxiv-2023-jwmf3. (2023) | código
Integrando acessibilidade sintética com design de medicamentos generativos baseado em IA [2023]
Parrot, M., Tajmouati, H., da Silva, VBR et al.
J Cheminform 15, 83 (2023) | código
Aprendizagem interativa profunda para design de medicamentos de novo [2023]
Atz K, Cotos Muñoz L, Isert C, Håkansson M, Focht D, Nippa DF, et al.
chemrxiv-2023-cbq9k (2023)
Projeto de medicamento de novo orientado por aprendizagem profunda com base em estruturas de bomba de prótons gástricas [2023]
Abe, K., Ozako, M., Inukai, M. et al.
Comun Biol 6, 956 (2023) | código
Inteligência Artificial para Predição de Atividades Biológicas e Geração de Acertos Moleculares Usando Informações Estereoquímicas [2023]
Pereira, Tiago O., Maryam Abbasi, Rita I. Oliveira, Romina A. Guedes, Jorge AR Salvador e Joel P. Arrais.
Praça de Pesquisa. (2023) | código
LÓGICA: Aprendendo a distribuição generativa ideal para projetar estruturas químicas de novo [2023]
Bae, B., Bae, H. e Nam, H.
J Cheminform 15, 77 (2023) | código
Aproveitando a estrutura molecular e a bioatividade com modelos de linguagem química para o design de novos medicamentos [2023]
Kotsias, PC., Arús-Pous, J., Chen, H. et al.
Comunidade Nacional 14, 114 (2023) | código
CharLSTM baseado em SMILES com ajuste fino e geração direcionada a metas por meio de gradiente de política [2022]
código
DeLA-Drug: um algoritmo de aprendizado profundo para design automatizado de análogos semelhantes a medicamentos [2022]
Creanza, TM, Lamanna, G., Delre, P., Contino, M., Corriero, N., Saviano, M., ... & Ancona, N.
J. Química. Inf. Modelo. (2022) | Rede
Projeto de novo e previsão de bioatividade dos principais inibidores de protease do SARS-CoV-2 usando aprendizagem de transferência baseada em rede neural recorrente [2021]
Santana, MVS, Silva-Jr, FP
Química BMC 15, 8 (2021) | código
Redes Recorrentes Gerativas para Design de Medicamentos De Novo [2018]
Gupta, A., Müller, AT, Huisman, BJ, Fuchs, JA, Schneider, P., & Schneider, G.
Mol Informa. 2018 | código
Redes Neurais Recorrentes Gerativas para Design de Medicamentos De Novo [2017]
Gupta, Anvita, et al.
Mol Informa. 2018 | código
Saturno: Projeto molecular generativo com eficiência de amostra usando manipulação de memória [2024]
Jeff Guo, Philippe Schwaller.
arXiv:2405.17066 (2024) | código
Permitindo a geração de moléculas com reconhecimento de alvo para seguir múltiplos objetivos com Pareto MCTS [2024]
Yang, Y., Chen, G., Li, J. et al.
Comun Biol 7, 1074 (2024) | código
PocketFlow é um modelo generativo molecular baseado em estrutura orientado por dados e conhecimento [2024]
Shengyong Yang, Yuanyuan Jiang, Guo Zhang e outros.
Nat Mach Intell (2024) | Praça de Pesquisa. PRÉ-IMPRESSÃO. (2023) | código
Projeto de molécula De Novo em direção a propriedades tendenciosas por meio de uma estrutura generativa profunda e aprendizagem de transferência iterativa [2024]
Sattari, Kianoosh, Dawei Li, Bhupalee Kalita, Yunchao Xie, Fatemeh Barmaleki Lighvan, Olexandr Isayev e Jian Lin.
Descoberta Digital (2024) | código
Sinfonia: Harmônicos esféricos centrados em pontos equivalentes de simetria para geração de moléculas 3D [2024]
Ameya Daigavane e Song Eun Kim e Mario Geiger e Tess Smidt.
ICLR (2024) | código
Difusão autoregressiva baseada em fragmentos para design de ligante com reconhecimento de bolso [2023]
Ghorbani, Mahdi, Leo Gendelev, Paul Beroza e Michael Keiser.
Workshop NeurIPS 2023 sobre IA Generativa e Biologia (GenBio). (2023) | código
Aprendendo sobre superfície topológica e estrutura geométrica para geração molecular 3D [2023]
Zhang, Odin, Tianyue Wang, Gaoqi Weng, Dejun Jiang, Ning Wang, Xiaorui Wang, Huifeng Zhao e outros.
Ciência da Computação Nacional (2023) | código
ResGen é um modelo de geração molecular 3D com reconhecimento de bolso baseado em modelagem paralela multiescala [2023]
Zhang, O., Zhang, J., Jin, J. et al.
Nat Mach Intell (2023) | código
FFLOM: Um modelo autorregressivo baseado em fluxo para otimização de fragmento para lead [2023]
Jieyu Jin, Dong Wang, Guqin Shi, Jingxiao Bao, Jike Wang, Haotian Zhang, Peichen Pan, Dan Li, Xiaojun Yao, Huanxiang Liu, Tingjun Hou e Yu Kang
J. Med. Química. (2023) | código
Geração Molecular Agnóstica de Domínio com Autofeedback [2023]
Yin Fang, Ningyu Zhang, Zhuo Chen, Xiaohui Fan, Huajun Chen
arXiv:2301.11259v3 | código
GraphAF: um modelo autorregressivo baseado em fluxo para geração de grafos moleculares [2020]
Shi, C., Xu, M., Zhu, Z., Zhang, W., Zhang, M., & Tang, J.
ICLR (2020) |arXiv:2001.09382 | código
Edição molecular semelhante a uma droga generativa baseada em difusão com linguagem química natural [2024]
Jianmin Wang, Peng Zhou, Zixu Wang, Wei Long, Yangyang Chen, Kyoung Tai No, Dongsheng Ouyang*, Jiashun Mao* e Xiangxiang Zeng*.
J. Farmacêutica. Anal. (2024) | código
Aproveitando o Tree-Transformer VAE com tokenização de fragmentos para um grande modelo generativo químico de alto desempenho [2024]
Inukai T, Yamato A, Akiyama M, Sakakibara Y.
QuímicaRxiv. (2024) | código
Uma abordagem de aprendizagem profunda para geração racional de ligantes com controle de toxicidade por meio de blocos de construção reativos [2024]
Li, P., Zhang, K., Liu, T. et al.
Ciência da Computação Nacional (2024) | código
Um modelo básico para projeto químico e previsão de propriedades [2024]
Cai, F., Zhu, T., Tzeng, TR, Duan, Y., Liu, L., Pilla, S., Li, G. e Luo, F.
arXiv:2410.21422 (2024) | código
SE(3) Topologias Equivariantes para Descoberta de Medicamentos Baseada em Estrutura [2024]
Prat A, Abdel Aty H, Pabrinkis A, Bastas O, Paquet T, Kamuntavičius G, et al.
QuímicaRxiv. (2024)
Transformadores de difusão gráfica para geração molecular multicondicional [2024]
Liu, Gang, Jiaxin Xu, Te Luo e Meng Jiang.
NeurIPS 2024 (oral). (2024) | código
Exploração exaustiva do espaço químico local usando um modelo de transformador [2024]
Tibo, A., He, J., Janet, JP et al.
Nat Comun 15, 7315 (2024) | código
Autoencodificador variacional de gráfico de transformador para projeto molecular generativo [2024]
Nguyen, Trieu e Aleksandra Karolak.
bioRxiv (2024)
BindGPT: uma estrutura escalável para design molecular 3D por meio de modelagem de linguagem e aprendizado por reforço [2024]
Zholus, Artem, Maksim Kuznetsov, Roman Schutski, Rim Shayakhmetov, Daniil Polykovskiy, Sarath Chandar e Alex Zhavoronkov.
arXiv:2406.03686 (2024)
Explorando novos análogos de fentanil usando um modelo de transformador baseado em gráfico [2024]
Zhang, Guangle, Yuan Zhang, Ling Li, Jiaying Zhou, Honglin Chen, Jinwen Ji, Yanru Li, Yue Cao, Zhihui Xu e Cong Pian.
Ciências Interdisciplinares: Ciências da Vida Computacionais (2024) | código
TenGAN: codificadores de transformadores puros criam um GAN discreto e eficiente para a geração molecular De Novo [2024]
Li, Chen e Yoshihiro Yamanishi.
Conferência Internacional sobre Inteligência Artificial e Estatística. PMLR (2024)
DockingGA: aprimorando a geração de moléculas direcionadas usando rede neural de transformador e algoritmo genético com simulação de acoplamento [2024]
Changnan Gao, Wenjie Bao, Shuang Wang, Jianyang Zheng, Lulu Wang, Yongqi Ren, Linfang Jiao, Jianmin Wang, Xun Wang.
Briefings em Genômica Funcional (2024) | código
Tem que ser SEGURO: uma nova estrutura para design molecular [2024]
Noutahi, Emmanuel, Cristian Gabellini, Michael Craig, Jonathan SC Lim e Prudencio Tossou.
Descoberta Digital (2024) | arXiv:2310.10773 (2023) | código
Melhorando a eficiência do design molecular: Unindo modelos de linguagem e redes generativas com algoritmos genéticos [2024]
Bhowmik, Debsindhu, Pei Zhang, Zachary Fox, Stephan Irle e John Gounley.
Padrões (2024) | código
ChemSpaceAL: Uma Metodologia de Aprendizagem Ativa Eficiente Aplicada à Geração Molecular Específica de Proteínas [2024]
Kyro, Gregory W., Anton Morgunov, Rafael I. Brent e Victor S. Batista.
J. Química. Inf. Modelo. (2024) | código
Avaliação da aprendizagem por reforço em projeto molecular baseado em transformadores [2024]
He J, Tibo A, Janet JP, Nittinger E, Tyrchan C, Czechtizky W, et al.
chemrxiv-2024-r9ljm (2024) | código
Otimização de espaço duplo: design de sequência molecular aprimorado por transformador de prompt latente [2024]
Deqian Kong e Yuhao Huang e Jianwen Xie e Edouardo Honig e Ming Xu e Shuanghong Xue e Pei Lin e Sanping Zhou e Sheng Zhong e Nanning Zheng e Ying Nian Wu.
arXiv:2402.17179 (2024)
Um novo modelo gerador de moléculas de VAE combinado com Transformer [2024]
Yasuhiro Yoshikai e Tadahaya Mizuno e Shumpei Nemoto e Hiroyuki Kusuhara.
arXiv:2402.11950 (2024) | código
GexMolGen: geração intermodal de moléculas semelhantes a hits por meio de codificação de modelo de linguagem grande de assinaturas de expressão gênica [2024]
Cheng, Jia-Bei, Xiaoyong Pan, Kaiyuan Yang, Shenghao Cao, Bin Liu, Qingran Yan e Ye Yuan.
bioRxiv (2024) | código
Gerador com contribuição de diversidade de andaime local para descoberta de potenciais inibidores de NLRP3 [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 e Lijuan Chen.
J. Química. Inf. Modelo. (2024) | código
Geração de moléculas com reconhecimento de alvo para design de medicamentos usando um modelo de linguagem química [2024]
Xia, Yingce, Kehan Wu, Pan Deng, Renhe Liu, Yuan Zhang, Han Guo, Yumeng Cui et al.
bioRxiv (2024)
Acelerando a descoberta de ligantes novos e bioativos com modelos generativos informados por farmacóforos [2024]
Xie, Weixin, Jianhang Zhang, Qin Xie, Chaojun Gong, Youjun Xu, Luhua Lai e Jianfeng Pei.
ARXIV: 2401.01059 (2024) | código
Uma estrutura de descoberta de polímero auto-aprimorada baseada no modelo generativo condicional [2023]
Xiangyun Lei e Weike Ye e Zhenze Yang e Daniel Schweigert e Ha-Kyung Kwon e Arash Khajeh.
ARXIV: 2312.04013. (2023)
Llamol: um transformador generativo multi-condicional dinâmico para design molecular de novo [2023]
Dobberstein, Niklas, Astrid Maass e Jan Hamaekers.
ARXIV: 2311.14407. (2023) | código
GRAPHGPT: um gráfico aprimorou o transformador generativo pré -terenciado para geração molecular condicionada [2023]
Lu, Hao, Zhiqiang Wei, Xuze Wang, Kun Zhang e Hao Liu.
Jornal Internacional de Ciências Moleculares 24.23 (2023) | código
A Protacable é um pipeline computacional integrativo de modelagem 3D e aprendizado profundo para automatizar o design de novo de Protacs [2023]
Hazem Mslati, Francesco Gentile, Mohit Pandey, Fuqiang Ban, Artem Cherkasov.
Biorxiv 2023.11.20.567951. (2023) | código
Estratégia de geração molecular e otimização com base no aprendizado de reforço A2C no design de drogas de novo [2023]
Wang, Qian, Zhiqiang Wei, Xiaotong Hu, Zhuoya Wang, Yujie Dong e Hao Liu.
Bioinformática: Btad693. (2023) | código
Geração cruzada de moléculas semelhantes a hits através da codificação do modelo de fundação das assinaturas de expressão gênica [2023]
Jiabei Cheng, Xiaoyong Pan, Kaiyuan Yang, Shenghao Cao, Bin Liu, Ye Yuan.
Biorxiv 2023.11.11.566725. (2023) | código
Reinvent4: Design de molécula generativa moderna de IA [2023]
Loeffler H, He J, Tibo A, Janet JP, Voronov A, Mervin L, et al.
ChemRXIV-2023-XT65X (2023) | código
Otimização de afinidades de ligação no espaço químico com transformador e aprendizado de reforço profundo [2023]
Xu, Xiaopeng, Juexiao Zhou, Chen Zhu, Qing Zhan, Zhongxiao Li, Ruochi Zhang, Yu Wang, Xingyu Liao e Xin Gao.
Chemrxiv-2023-7V4SW (2023) | código
Procurando moléculas de alto valor usando aprendizado de reforço e transformadores [2023]
Raj Ghugare e Santiago Miret e Adriana Hugessen e Mariano Phielipp e Glen Berseth.
ARXIV: 2310.02902 (2023)
Design de novo molecular por meio de aprendizado de reforço baseado em transformadores [2023]
Feng, Tao, Pengcheng Xu, Tianfan Fu, Siddhartha Laghuvarapu e Jimeng Sun.
ARXIV: 2310.05365 (2023)
Modelos de linguagem generativa de transformadores probabilísticos para design generativo de moléculas [2023]
Wei, L., Fu, N., Song, Y. et al.
J Cheminform 15, 88 (2023) | código
De design de drogas de novo com transformadores conjuntos [2023]
Adam Izdebski e Ewelina Węglarz-Tomczak e Ewa Szczurek e Jakub M. Tomczak
ARXIV: 2310.02066. (2023)
Modelos estruturados de sequência de espaço de estado para design de drogas de novo [2023]
Özçelik R, De Ruiter S, Grisoni F.
ChemRXIV-2023-JWMF3. (2023) | código
De novo geração de estruturas químicas de candidatos ao inibidor e ativador para proteínas alvo terapêuticas por um autoencoder variacional baseado em transformador e otimização bayesiana [2023]
Yuki Matsukiyo, Chikashige Yamanaka e Yoshihiro Yamanishi.
J. Química. Inf. Modelo. (2023) | código
Um GaN de transformador reverso gera moléculas restritas a andaimes com otimização de propriedades. [2023]
Li, C., Yamanishi, Y.
ECML PKDD (2023) | código
Chemspaceal: uma metodologia de aprendizado ativo eficiente aplicada à geração molecular específica de proteínas [2023]
Kyro, Gregory W., Anton Morgunov, Rafael I. Brent e Victor S. Batista.
ARXIV: 2309.05853 (2023) | código
Projeto molecular 3D eficiente com um transformador E invariante E (3) VAE [2023]
Dollar, Orion, Nisarg Joshi, Jim Pfaendtner e David Ac Beck.
O Journal of Physical Chemistry A (2023) | código
Lingo3dmol: geração de uma molécula 3D baseada em bolso usando um modelo de idioma [2023]
Wang, Lvwei, Zaiyun Lin, Yanho Zhu, Rong Bai, Wei Feng, Huting Wang, Jielong Zhou, Wei Peng, Bo Huang e Wenbiao Zhou.
ARXIV: 2305.10133 (2023) | código
FSM-DDTR: Estratégia de feedback de ponta a ponta para design de medicamentos de novo de vários objetivos usando transformadores [2023]
Monteiro, Nelson RC, Tiago O. Pereira, Ana Catarina D. Machado, José L. Oliveira, Maryam Abbasi e Joel P. Arriis.
Computadores em Biologia e Medicina (2023) | código
Macrociclização de moléculas lineares por aprendizado profundo para facilitar a descoberta de candidatos a medicamentos macrocíclicos [2023]
Diao, Y., Liu, D., Ge, H. et al.
Nat Commun 14, 4552 (2023) | código
De design de drogas de novo com base nos perfis de expressão de genes do paciente via aprendizado profundo [2023]
Yamanaka, Chikashige, Shunya Uki, Kazuma Kaitoh, Michio Iwata e Yoshihiro Yamanishi.
Informática molecular (2023) | código
Método de aprendizado profundo baseado em transformadores para otimizar as propriedades da ADMET de compostos de chumbo [2023]
Yang, Lijuan, Chao Jin, Guanghui Yang, Zhitong Bing, Liang Huang, Yuzhen Niu e Lei Yang.
Química Física Física Química 25.3 (2023)
Design de medicamentos baseados em sequência como conceito em design de medicamentos computacionais [2023]
Chen, L., Fan, Z., Chang, J. et al.
Nat Commun 14, 4217 (2023) | código
DrugGPT: uma estratégia baseada em GPT para projetar potenciais ligantes direcionados a proteínas específicas [2023]
Yuesen Li, Chengyi Gao, Xin Song, Xiangyu Wang, View Orcid Profileyungang Xu, Suxia Han
biorxiv (2023) | código
Prefixmol: Design da molécula de consciência de alvo e química por meio de incorporação de prefixo [2023]
Gao, Zhangyang, Yuqi Hu, Cheng Tan e Stan Z. Li.
ARXIV: 2302.07120 (2023) | código
Treinamento de modelo de linguagem adaptativa para projetos moleculares [2023]
Andrew E. Blanchard, Debsindhu Bhowmik, Zachary Fox, John Gounley, Jens Glaser, Belinda S. Akpa e Stephan Irle.
J Cheminform 15, 59 (2023) | código
CMGN: Uma rede de geração molecular condicional para projetar moléculas específicas de alvo com propriedades desejadas [2023]
Yang, Minjian, Hanyu Sun, Xue Liu, Xi Xue, Yafeng Deng e Xiaojian Wang.
Briefings em Bioinformática, 2023;, BBAD185 | código
CMOLGPT: Um transformador pré-treinado generativo condicional para geração molecular de novo específica para alvo [2023]
Wang, Ye, Honggang Zhao, Simone Sciabola e Wenlu Wang.
Moléculas 2023, 28 (11), 4430 | código
Geração de moléculas usando transformadores e aprendizado de reforço de gradiente de políticas [2023]
Mazuz, E., Shtar, G., Shapira, B. et al.
Rep 13, 8799 (2023) | código
IUPACGPT: Modelo molecular em larga escala baseado em IUPAC para previsão de propriedades e geração de moléculas [2023]
Jiashun Mao ,, Jianmin Wang, Kwang-hwi Cho, Kyoung Tai não
Chemrxiv-2023-5kjvh | código
Geração molecular com rotulagem reduzida através da arquitetura de restrição [2023]
Wang, Jike, Yundian Zeng, Huiyong Sun, Junmei Wang, Xiaorui Wang, Ruofan Jin, Mingyang Wang et al.
J. Química. Inf. Modelo. (2023) | código
Descoberta generativa de novos projetos químicos usando modelagem de difusão e redes neurais profundas do transformador com aplicação a solventes eutéticos profundos [2023]
Luu, Rachel K., Marcin Wysokowski e Markus J. Buehler.
ARXIV: 2304.12400V1 | código
O transformador de regressão permite regressão e geração de sequência simultânea para modelagem de linguagem molecular [2023]
Nascido, J., Manica, M.
Nat Mach Intell 5, 432-444 (2023) | código
Modelo generativo molecular baseado em transformador para design de medicamentos antivirais [2023]
Mao, Jiashun; Wang, Jianming; Zeb, Amir; Cho, Kwang-hwi; Jin, Haiyan; Kim, Jongwan; Lee, Onju; Wang, Yunyun; Não, Kyoung Tai.
J. Química. Inf. Modelo. (2023) | código
Alvo específico de design de novo de moléculas candidatas a drogas com redes adversárias generativas baseadas em grafos transformadores [2023]
Ünlü, Atabey, Elif çevrim, Ahmet Sarıgün, Hayriye Çelikbilek, Heval Ataş Güvenilir, Altay Koyaş, Deniz Cansen Kahraman, Ahmet Rifaioğlu e Abdurrahman Olağaç.
ARXIV: 2302.07868V5
Drugex V3: Design de medicamentos com restrição de andaimes com aprendizado de reforço baseado em transformadores de gráficos [2023]
Liu, X., Ye, K., Van Vlijmen, Hwt et al.
J Cheminform 15, 24 (2023) | código
Explore o espaço semelhante a drogas com modelos generativos profundos [2023]
Wang, Jianmin, et al.
Métodos (2023) | código
Representações de linguagem química em larga escala capturam estrutura e propriedades moleculares [2022]
Ross, J., Belgodere, B., Chenthamarakshan, V., Padhi, I., Mroueh, Y., & Das, P.
Nat Mach Intell 4, 1256-1264 (2022) | código
Alphadrug: geração molecular específica de alvo de proteínas [2022]
Qian, Hao, Cheng Lin, Dengwei Zhao, Shikui Tu e Lei Xu.
PNAS Nexus (2022) | código
Podemos aprender rapidamente a "traduzir" moléculas bioativas com modelos de transformadores? [2022]
Bagal, V., Aggarwal, R., Vinod, PK, & Priyakumar, UD
ChemRXIV-2022-GLN27
MOLGPT: geração molecular usando um modelo transformador-decodificador [2022]
Bagal, V., Aggarwal, R., Vinod, PK, & Priyakumar, UD
J. Química. Inf. Modelo. 2022, 62, 9, 2064-2076 | código
Moléculas de adaptação para bolsos de proteína: uma solução generativa baseada em transformador para design de medicamentos baseado em estruturas [2022]
Wu, K., Xia, Y., Fan, Y., Deng, P., Liu, H., Wu, L., ... & Liu, Ty
arxiv.2209.06158 | código
Explorando modelos de idiomas bioquímicos pré -teriados para design de medicamentos direcionados [2022]
Uludoğan, Gökçe, Elif Ozkirimli, Kutlu O. Ulgen, Nilgün Karalı e Arzucan Özgür.
Bioinformática (2022) | código
Um modelo generativo baseado em transformador para design molecular de novo [2022]
Wang, Wenlu, et al.
ARXIV: 2210.08749V2
Tradução entre moléculas e linguagem natural [2022]
Edwards, C., Lai, T., Ros, K., Honke, G., & Ji, H.
ARXIV: 2204.11817V3 | código
O transformador de regressão permite regressão e geração de sequência simultânea para modelagem de linguagem molecular [2022]
Nascido, Jannis e Manica, Matteo
ARXIV: 2202.01338V3 | código
Pré-treinamento generativo de moléculas [2021]
Adilov, Sanjar.
J. Química. Inf. Modelo. 2022, 62, 9, 2064-2076 | código
Transformadores para geração de gráficos moleculares [2021]
Cofala, Tim e Oliver Kramer.
Esann 2021 | código
Geração espacial de moléculas com transformadores [2021]
Cofala, Tim e Oliver Kramer.
IJCNN52387.2021.9533439 (2021) | código
Transformador químico generativo: aprendizado de máquina neural de estruturas geométricas moleculares da linguagem química via attentio [2021]
Hyunseung Kim, Jonggeol na*, e venceu Bo Lee*.
J. Química. Inf. Modelo. 2021, 61, 12, 5804-5814 | código
C5T5: Geração controlável de moléculas orgânicas com transformador [2021]
Rothchild, D., Tamkin, A., Yu, J., Misra, U., & Gonzalez, J.
ARXIV: 2108.10307V1 | código
Otimização molecular capturando a intuição do químico usando redes neurais profundas [2021]
Ele, J., você, H., Sandström, E. et al.
J Cheminform 13, 26 (2021) | código
Rede neural do transformador para geração de drogas de novo específica de proteína como um problema de tradução para máquinas [2021]
Grechishnikova, Daria.
Sci Rep 11, 321 (2021) | código
Transmol: reaproveitando um modelo de idioma para geração molecular [2021]
Grechishnikova, Daria.
Avanços do RSC. 2021; 11 (42): 25921-32. | código
Modelos generativos baseados em atenção para design molecular de novo [2021]
Dollar, O., Joshi, N., Beck, da e Pfaendtner, J.,
Chemical Science 12.24 (2021) | código
Alavancando o transformador de árvores VAE com tokenização de fragmento para um modelo generativo químico de alto desempenho [2024]
Inukai T, Yamato A, Akiyama M, Sakakibara Y.
Chemrxiv. (2024) | código
AutoEncoder de gapã de transformador para design molecular generativo [2024]
Nguyen, Trieu e Aleksandra Karolak.
biorxiv (2024)
Design de medicamentos baseados em estrutura com um modelo generativo hierárquico profundo [2024]
Weller, Jesse A. e Remo Rohs.
J. Química. Inf. Modelo. (2024) | código
Aproveitando subespaços ativos para capturar a incerteza do modelo epistêmico em modelos generativos profundos para o design molecular [2024]
Abeer, Anm, Sanket Jantre, Nathan M. Urban e Byung-Jun Yoon.
ARXIV: 2405.00202 (2024)
GXVAES: Dois vaes articulares geram moléculas de acerto a partir de perfis de expressão gênica [2024]
Li, Chen e Yoshihiro Yamanishi.
Anais da Conferência AAAI sobre Inteligência Artificial. Vol. 38. No. 12. (2024) | código
Estrutura generativa molecular 3D para design de medicamentos guiados por interação [2024]
Zhung, W., Kim, H. & Kim, WY
Nat Commun 15, 2688 (2024) | código
Geração de moléculas baseadas em atenção via autoencoder hierárquico variacional [2024]
Divahar Sivanesan.
ARXIV: 2402.16854. (2024)
Um novo modelo generativo de molécula de VAE combinado com o transformador [2024]
Yasuhiro Yoshikai e Tadahaya Mizuno e Shumpei Nemoto e Hiroyuki Kusuhara.
ARXIV: 2402.11950 (2024) | código
De novo geração e identificação de novos compostos com eficácia do medicamento com base no aprendizado de máquina [2024]
Ele, Dakuo, Qing Liu, Yan MI, Qingqi Meng, Libin Xu, Chunyu Hou, Jinpeng Wang et al.
Ciência Avançada (2024)
Descoberta de medicamentos computacionais sobre o vírus HIV com uma arquitetura de aprendizado profundo de AutoEncoder de Autoencoder LSTM personalizado [2023]
Kutsal, Mucahit, Ferhat Ucar e Nida Kati.
CPT: Farmacometria e Farmacologia de Sistemas. (2023) | código
NRC-VABS: Autoencoder de autoencoder variacional reparosal normalizado com pesquisa de feixe aplicado no espaço latente para o projeto da molécula de drogas [2023]
Bhadwal, Arun Singh, Kamal Kumar e Neeraj Kumar.
Sistemas especializados com aplicações. (2023)
Auto-codificadores variacionais conscientes do alvo para geração de ligantes com modelagem de proteínas multimodais [2023]
ONG, Khang e Truong Son Hy.
Neurips 2023 Workshop generativo de IA e biologia (Genbio). (2023) | código
Estrutura generativa molecular 3D com reconhecimento de interação para design de medicamentos baseados em estrutura generalizável [2023]
Woo Youn Kim, Wonho Zhung e Hyeongwoo Kim.
Praça de Pesquisa. (2023) | código
Aplicação de codificadores de gráficos variacionais como um algoritmo generalista eficaz no design de medicamentos auxiliados por computador [2023]
Lam, Hyi, Pincket, R., Han, H. et al.
Nat Mach Intell 5, 754-764 (2023) | código
De novo geração de estruturas químicas de candidatos ao inibidor e ativador para proteínas alvo terapêuticas por um autoencoder variacional baseado em transformador e otimização bayesiana [2023]
Yuki Matsukiyo, Chikashige Yamanaka e Yoshihiro Yamanishi.
J. Química. Inf. Modelo. (2023) | código
Rebadd-se: otimização molecular multi-objetiva usando o fragmento de selfies e treinamento de sequência autocrítica fora da política [2023]
Choi, Jonghwan, Sangmin Seo, Seungyeon Choi, Shengmin Piao, Parque Chihyun, Sung Jin Ryu, Byung Ju Kim e Sanghyun Park.
Computadores em Biologia e Medicina 157 (2023) | código
Projeto molecular 3D eficiente com um transformador E invariante E (3) VAE [2023]
Dollar, Orion, Nisarg Joshi, Jim Pfaendtner e David Ac Beck.
O Journal of Physical Chemistry A (2023) | código
Geração molecular com várias restrições usando dados de treinamento escassamente rotulados para triagem de diluentes de eletrólitos localizados de alta concentração [2023]
Maioa, Jonathan P., Xin Li, Jiezhong Qiu e Shengyu Zhang.
Descoberta Digital (2023) | código | Conjunto de dados
Otimização molecular multi-objetiva para tratamento de transtorno de uso de opióides usando o complexo generativo de rede [2023]
Feng, Hongsong, Rui Wang, Chang-Guo Zhan e Guo-Wei Wei.
J. Med. Chem. (2023) | código
ScaffoldGvae: geração de andaimes e salto de moléculas de drogas por meio de um autoencoder variacional baseado em redes neurais gráficas de várias visualizações [2023]
Hu, Chao, Song Li, Chenxing Yang, Jun Chen, Yi Xiong, Guisheng Fan, Hao Liu e Liang Hong.
J Cheminform 15, 91 (2023) | Praça de Pesquisa. (2023) | código
Projeto generativo profundo de gaiolas orgânicas porosas por meio de um autoencoder variacional [2023]
Jiajun Zhou, Austin Mroz, Kim Jelfs*.
Chemrxiv (2023) | código
Auto-codificadores variacionais conscientes do alvo para geração de ligantes com aprendizado multimodal de representação de proteínas [2023]
NHAT KHANG ONG, filho Truong Hy.
biorxiv. (2023) | código
De novo de
