papers for molecular design using DL

使用生成式人工智慧和深度學習的分子和材料設計（分子構像生成）列表

與分子/藥物設計和分子構像生成的生成人工智慧和深度學習相關。

正在更新...

分子最佳化

分子優化歡迎您！

選單

使用生成人工智慧和深度學習進行分子（藥物）設計

選單	選單	選單	選單
用於科學發現的生成式人工智慧	評論	數據集和基準	藥物相似性和評估指標
基於深度學習的設計	文本驅動的分子生成模型	基於多目標的深層分子生成模型	基於配體的深層分子生成模型
基於藥效團的深層分子生成模型	基於結構的深層分子生成模型	基於片段的深層分子生成模型	基於支架的 DMG
基於碎片的 DMG	基於基序的 DMG	基於連結器的 DMG	基於化學反應的深層分子生成模型
基於組學的深層分子生成模型	多目標深層分子生成模型	量子深層分子生成模型	建議和參考
基於光譜（品質/NMR）	基於質譜	基於核磁共振光譜	基於冷凍電鏡圖譜

• 藥物相似性和評估指標

數據集	基準測試	藥物相似性	評估指標
數據集	基準測試	量子電動力學	SA分數
		QEPPI	RA評分
			評估指標
			分子生成驗證

• 分子構像生成人工智慧

選單	選單
分子構象整體的基準	分子構像生成的評論
基於 VAE 的分子構像生成	基於 GAN 的分子構像生成
基於能量的分子構像生成
基於擴散的分子構像生成
基於強化學習的分子構形生成
基於 GNN 的分子構形生成

• 基於深度學習的藥物設計

選單	選單	選單	選單
基於RNN	基於LSTM	自迴歸模型	基於變壓器
基於VAE	基於GAN	基於流程的	基於提示的
基於分數	基於能源	基於擴散	主動學習 DMG
基於強化學習	多工DMG	蒙特卡羅樹搜索	基於遺傳演算法
基於演化演算法	基於大語言模型

使用產生人工智慧和深度學習的材料設計

• 基於深度學習的材料設計

選單	選單	選單	選單

建議和參考

真棒-AI4ProteinConformation-MD

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

用於生物醫學科學、分子、蛋白質、材料發現的大型語言模型

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

關於使用深度學習進行蛋白質設計的論文列表

https://github.com/Peldom/papers_for_ Protein_design_using_DL

很棒的生成人工智慧

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

令人敬畏的分子生成

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

藥物發現中的人工智慧調查

https://github.com/dengjianyuan/Survey_AI_Drug_Discovery

用於藥物發現和生命科學的幾何深度學習

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

用於科學發現的生成式人工智慧

• 使用科學發現生成工具包加速材料設計
  Manica、Matteo 和 Cadow、Joris 和 Christofidellis、Dimitrios 和 Dave、Ashish 和 Born、Jannis 和 Clarke、Dean 和 Teukam、Yves Gaetan Nana 和 Hoffman、Samuel C 和 Buchan、Matthew 和 Chenthamarakshan、Vijil 等
  npj 電腦材料 9, 69 (2023) |程式碼

評論

• 從頭藥物設計中的擴散模型[204]
  阿拉赫達爾、阿米拉、巴納巴斯·波佐斯和紐厄爾·沃什伯恩。
  J.化學。資訊.模型。 (2024)

• 深度先導優化：利用生成式 AI 進行結構修改[2024]
  張，Odin，林海濤，張輝，趙惠峰，黃宇飛，黃元生，姜德君，謝長宇，潘佩臣，侯廷軍。
  arXiv:2404.19230 (2024)

• 釋放生成人工智慧在藥物發現的潛力[2024]
  羅曼內利、維吉里奧、卡門·切爾基亞和安東尼奧·拉維奇亞。
  生成式人工智慧的應用（2024）

• 基於自動化結構的從頭藥物設計的最新進展[2024]
  白，奇峰，馬健，徐廷陽。
  J.化學。資訊.模型。 (2024)

• 用於藥物發現的 AI 深度學習生成模型[2024]
  白，奇峰，馬健，徐廷陽。
  生成式人工智慧的應用。 Cham：施普林格國際出版（2024）

• 從頭藥物分子生成中的深度生成模型[2024]
  唐相如、戴霍華德、伊莉莎白奈特、吳芳、李雲陽、李天笑、馬克葛斯坦
  arXiv:2402.08703 (2024) |程式碼

• 從頭藥物分子生成中的深度生成模型[2023]
  龐超、喬劍波、曾湘湘、鄒泉和魏樂毅*
  J.化學。資訊.模型。 (2023)

• 深度學習驅動生成化學的漫遊指南[2023]
  Yan Ivanenkov、Bogdan Zagribelnyy、Alex Malyshev、Sergei Evteev、Victor Terentiev、Petrina Kamya、Dmitry Bezrukov、Alex Aliper、Feng Ren 和 Alex Zhavoronkov
  ACS 醫學。化學。萊特。 (2023)

• 量子計算在生成化學和藥物發現的近期應用[2023]
  Pyrkov、Alexey、Alex Aliper、Dmitry Bezrukov、Yen-Chu Lin、Daniil Polykovskiy、Petrina Kamya、Feng Ren 和 Alex Zhavoronkov。
  今日藥物發現 (2023)

• 基於結構的藥物設計的幾何深度學習的系統調查[2023]
  張在熙、嚴家賢、劉奇、陳恩宏
  arXiv：2306.11768v2

• 生成式人工智慧將如何顛覆藥物發現中的資料科學？ [2023年服]
  維特，JP。
  國家生物技術 (2023)

• 生成模型作為化學科學中的新興典範[2023]
  安斯汀、迪倫M.和亞歷山大伊薩耶夫。
  JACS (2023)

• 從頭藥物設計的化學語言模型：挑戰與機會[2023]
  格里索尼、弗朗西斯卡.
  結構生物學的當前觀點 79 (2023)

• 多目標藥物設計中的人工智慧[2023]
  Luukkonen、Sohvi、Helle W. van den Maagdenberg、Michael TM Emmerich 和 Gerard JP van Westen。
  結構生物學的當前觀點 79 (2023)

• 將基於結構的方法整合到生成分子設計中[2023]
  湯瑪斯·摩根、安德烈亞斯·本德爾和克里斯·德·格拉夫。
  結構生物學的當前觀點 79 (2023)

• 人工智慧驅動的分子資訊學中開放科學的開放資料和演算法[2023]
  布林克豪斯、亨寧·奧托、科胡蘭·拉詹、喬納斯·紹布、阿奇姆·齊勒斯尼和克里斯托夫·斯坦貝克。
  結構生物學的當前觀點 79 (2023)

• 基於幾何深度學習的結構為基礎的藥物設計[2023]
  伊塞特、克萊門斯、肯尼斯·阿茨和吉斯伯特·施奈德。
  結構生物學的當前觀點 79 (2023)

• MolGenSurvey：分子設計機器學習模型的系統調查[2022]
  杜元琪、付天凡、孫吉猛、劉勝超。
  arXiv:2203.14500 (2022)

• 深度生成分子設計重塑藥物發現[2022]
  曾湘湘、王菲、羅元、康承古、唐健、Felice C. Lightstone、Evandro F. Fang、Wendy Cornell、Ruth Nussinov 和 Feixiong Cheng。
  細胞報告醫學 (2022)

• 利用深度學習進行結構為基礎的藥物發現[2022]
  厄茲塞利克、里扎、德里克·範蒂爾堡、何塞·希門尼斯-盧納和弗朗西斯卡·格里索尼。
  化學生物化學 (2022)

• 分子發現的生成模型：最新進展與挑戰[2022]
  Bilodeau、Camille、Wengong Jin、Tommi Jaakkola、Regina Barzilay 和 Klavs F. Jensen。
  計算分子科學12.5（2022）

• 評估化學成分空間中的深層生成模型[2022]
  圖爾克、漢娜、伊麗莎白·蘭迪尼、克里斯蒂安·昆克爾、約翰內斯·T·馬格拉夫和卡斯滕·路透社。
  材料化學34.21（2022）

• 用於從頭藥物發現的生成機器學習：系統性回顧[2022]
  馬蒂內利、多明尼克.
  生物學和醫學計算機 145 (2022)

• 尋找新候選藥物中基於對接的生成方法[2022]
  Danel、Tomasz、Jan Łęski、Sabina Podlewska 和 Igor T. Podolak。
  今日藥物發現 (2022)

• 使用三維深度產生模型進行從頭藥物設計的進展與挑戰[2022]
  謝偉新，王凡浩，李一波，賴魯華，裴劍峰。
  J.化學。資訊.模型。 2022, 62, 10, 2269–2279

• 深度學習催化逆向分子設計[2022]
  Alshehri，Abdulela S.，和 Fengqi You。
  化學工程雜誌 444 (2022)

• 3D 複合設計中的 AI [2022]
  托馬斯·E·哈德菲爾德和夏洛特·M·迪恩。
  結構生物學的當前觀點 73 (2022)

• 用於從頭藥物設計的深度學習方法：概述[2021]
  王明陽、王哲、孫慧勇、王繼科、沈超、翁高琪、柴新、李洪林、曹東昇和侯廷軍。
  結構生物學當前觀點 72 (2022)

• 生成化學：利用深度學習生成模型進行藥物發現[2021]
  卞躍民，謝向群。
  分子建模雜誌 27 (2021)

• 用於目標化合物設計的生成深度學習[2021]
  索薩、蒂亞戈、若昂·科雷亞、維托爾·佩雷拉和米格爾·羅查。
  J.化學。資訊.模型。 2021, 61, 11, 5343–5361

• 從頭藥物設計的生成模型[2021]
  童曉初、劉曉紅、譚小琴、李旭彤、蔣佳欣、熊兆平、徐廷陽、蔣華良、喬南和鄭明月。
  藥物化學雜誌64.19（2021）

• 藥物發現中的分子設計：深度生成模型的全面性綜述[2021]
  程、餘、龔永順、劉元生、宋博勝、鄒全。
  生物資訊簡報22.6 (2021)

• 從頭分子設計與生成模型[2021]
  麥耶斯、約書亞、貝內德克法比安和內森布朗。
  今日藥物發現 26.11 (2021)

• 分子設計的深度學習—最新技術回顧[2019]
  丹尼爾·C·艾爾頓 (Elton)、佐伊斯·布庫瓦拉斯 (Zois Boukouvalas)、馬克·D·福格 (Mark D. Fuge) 和彼得·W·鐘 (Peter W. Chung)。
  分子系統設計與工程4.4（2019）

• 使用機器學習的逆向分子設計：物質工程的生成模型[2018]
  桑切斯-倫格林、班傑明和艾倫·阿斯普魯-古茲克。
  科學361.6400 (2018)

數據集和基準

數據集

藥物銀行

鋅15

鋅20

公共化學

化學分子生物學

GDB資料庫

化學蜘蛛

品質管理資料集

椰子|開放天然產品資料庫集合

摩爾數據
基於疾病和目標的機器學習的分子基準
https://github.com/LumosBio/MolData

• 應對分子科學中小數據挑戰的機器學習方法[2023]
  竇博正、朱再良、Ekaterina Merkurjev、陸克、陳龍、蔣健、朱月英、劉傑、張本公和魏國偉
  化學。修訂版 (2023)

基準測試

• 逆向聚合物設計深度生成模型的基準研究[2024]
  岳T，陶L，Varshney V，李Y。
  chemrxiv-2024-gzq4r (2024)

• RediscMol：生物特性中分子生成模型的基準測試[2024]
  翁高奇、趙惠峰、聶鬥、張浩天、劉立偉、侯廷軍、康宇。
  J. Med。化學。 2024 | 2024程式碼

• 生成模型至少應該能夠設計出能夠良好對接的分子：一個新基準[2023]
  Ciepliński、Tobiasz、Tomasz Danel、Sabina Podlewska 和 Stanisław Jastrzşbski。
  J.化學。資訊.模型。 2023, 63, 11, 3238–3247 |程式碼

• Tartarus：現實實用的逆分子設計基準平台[2022]
  Nigam、AkshatKumar、Robert Pollice、Gary Tom、Kjell Jorner、Luca A.
  arXiv:2209.12487v1 |程式碼

• 分子集（MOSES）：分子生成模型的基準平台[2020]
  Polykovskiy、Daniil、Alexander Zhebrak、Benjamin Sanchez-Lengeling、Sergey Golovanov、Oktai Tatanov、Stanislav Belyaev、Rauf Kurbanov 等。
  藥理學前沿 11 (2020) |程式碼

• GuacaMol：從頭分子設計的基準模型[2019]
  內森·布朗、馬可·菲斯卡托、馬爾溫·HS·塞格勒和阿蘭·C·沃徹。
  J.化學。資訊.模型。 2019, 59, 3, 1096–1108 |程式碼

藥物相似性和評估指標

藥物相似性可以定義為各種分子特性和結構特徵的複雜平衡，決定特定分子是否與已知藥物相似。這些特性，主要是疏水性、電子分佈、氫鍵特性、分子大小和靈活性，當然還有各種藥效特徵的存在影響分子在活生物體中的行為，包括生物利用度、運輸特性、對蛋白質的親和力、反應性、毒性、代謝穩定性等。

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

量子電動力學

藥物相似度的定量評估

• 量化藥物的化學美[2012]
  Bickerton, G.、Paolini, G.、Besnard, J. 等人。
  自然化學 4, 90–98 (2012) |程式碼

QEPPI

針對藥物相似性的蛋白質-蛋白質交互作用的定量估計

• 針對蛋白質-蛋白質相互作用的化合物早期篩選的定量評估指數[2021]
  小杉、高繼和大江正人。
  國際分子科學期刊 22.20 (2021) |程式碼

• 針對藥物相似性的蛋白質-蛋白質交互作用的定量估計[2021]
  小杉、高次和大江正人。
  CIBCB。 IEEE，（2021）|程式碼

SA分數

基於分子複雜性和片段貢獻估計類藥分子的合成可及性得分
化學雜誌 1, 8 (2009) |程式碼

RA評分

逆合成無障礙評分 (RAscore) – 透過人工智慧驅動的逆合成規劃進行快速機器學習可合成性分類
化學科學 12.9 (2021) |程式碼

評估指標

• 哈密​​頓多樣性：透過最短哈密頓電路有效測量分子多樣性[2024]
  胡X.，劉G.，姚Q.等。
  化學雜誌 16, 94 (2024) |程式碼

• 空間分數—小分子複雜性的綜合拓樸指標[2023]
  克日扎諾夫斯基、阿德里安、阿克塞爾·帕爾、麥可·格里加魯納斯和赫伯特·瓦爾德曼。
  J. Med。化學。 (2023) | chemrxiv-2023-nd1ll | chemrxiv-2023-nd1ll |程式碼

• 一種自動評分功能，可促進和標準化從頭分子設計的目標導向生成模型的評估[2023]
  托馬斯·摩根、諾埃爾·M·奧博伊爾、安德烈亞斯·本德和克里斯·德·格拉夫。
  chemrxiv-2023-c4867 | chemrxiv-2023-c4867 |程式碼

• FCD ：Fréchet ChemNet 距離
  Fréchet ChemNet 距離：藥物發現中分子生成模型的測量 Preuer、Kristina、Philipp Renz、Thomas Unterthiner、Sepp Hochreiter 和 Gunter Klambauer。
  J.化學。資訊.模型。 2018, 58, 9, 1736–1741 |程式碼

• 基於困惑度的化學語言模型分子排序與偏差估計[2022]
  Moret, M.、Grisoni, F.、Katzberger, P. 與 Schneider, G.
  J.化學。資訊.模型。 2022, 62, 5, 1199–1206 |程式碼

分子生成驗證

• 關於實際驗證分子生成模型的困難：公共和專有資料的案例研究[2023]
  Handa, K.、Thomas, MC、Kageyama, M. 等人。
  化學雜誌 15, 112 (2023)

分子構像生成人工智慧

分子構像生成的評論

• 使用深度生成神經網路預測分子構象[2023]
  徐從勝、盧毅、鄧曉梅、於培元。
  化學學報(2023)

分子構象整體的基準

• 學習分子構象集合體：資料集與基準[2023]
  Zhu，Yanqiao，Jeehyun Hwang，Keir Adams，Zhen Liu，Bozhao Nan，Brock Stenfors，Yuanqi Du 等。
  NeurIPS 2023 科學人工智慧研討會。 2023 (2023) |程式碼

基於 VAE 的分子構像生成

• 深度學習輔助增強取樣探索分子構象變化[2023]
  付浩浩、劉瀚、邢靜亞、趙通、邵學光、蔡文勝。
  J. Phys。化學。乙 (2023)

• 透過雙層程式生成分子構象的端對端框架[2021]
  許敏凱、王無傑、羅世同、石成策、Yoshua Bengio、Rafael Gomez-Bombarelli 和唐健。
  國際機器學習會議。 PMLR (2021) |程式碼

基於 GAN 的分子構像生成

• COSMIC：具有對抗性框架的內座標分子構象空間建模[2024]
  庫茲涅佐夫、馬克西姆、費多爾·裡亞博夫、羅曼·舒茨基、里姆·沙亞赫梅托夫、Yen-Chu Lin、亞歷克斯·阿利佩爾和丹尼爾·波利科夫斯基。
  J.化學。資訊.模型。 (2024) |程式碼

基於能量的分子構像生成

• 能量啟發的分子構象優化[2022]
  關嘉琪、威斯利·錢偉、馬偉英、馬建柱和彭建。
  國際學習表徵會議。 (2022) |程式碼

基於擴散的分子構像生成

• AGDIFF：用於分子幾何預測的注意力增強擴散[204]
  Kim, S.、Woo, J. 與 Kim, WY
  ChemRxiv。 (2024) |程式碼

• 基於擴散的生成人工智慧，用於從 2D 分子圖探索過渡態[204]
  Kim, S.、Woo, J. 與 Kim, WY
  自然通訊 15, 341 (2024) |程式碼

• 類藥物分子構象異構體的物理生成模型[204]
  大衛·C·威廉斯，尼爾·伊馬納。
  arXiv：2403.07925。 (2024) |程式碼

• DynamicsDiffusion：使用擴散模型產生分子動態軌跡和稀有事件取樣[2023]
  彼得森、馬格努斯、傑瑪·羅伊格和羅伯托·科維諾。
  NeurIPS 2023 AI4Science (2023)

• 生成分子構象場[2023]
  王宇陽、Ahmed Elhag、Navdeep Jaitly、Joshua Susskind、Miguel Bautista。
  [NeurIPS 2023 生成人工智慧與生物學 (GenBio) 研討會 (2023)]https://openreview.net/forum?id=Od1KtMeAYo)

• 關於在 SE(3) 不變空間中加速基於擴散的分子構像生成[2023]
  週Z.，劉R.，餘T.
  arXiv:2310.04915 (2023))

• 透過轉移分數生成分子構象[2023]
  週子涵、劉瑞英、應朝龍、張瑞茂、於天舒。
  arXiv:2309.09985 (2023)

• EC-Conf：具有等變一致性的分子構形生成的超快擴散模型[2023]
  范志光、楊躍東、徐明遠、陳宏明。
  arXiv:2308.00237 (2023)

• 用於分子構象異構體生成的扭轉擴散[2022]
  Jing、Bowen、Gabriele Corso、Jeffrey Chang、Regina Barzilay 和 Tommi Jaakkola。
  神經資訊處理系統。 (2022) |程式碼

• GeoDiff：分子構形生成的幾何擴散模型[2022]
  徐敏凱、餘蘭濤、宋楊、石成策、Stefano Ermon 和唐健。
  國際學習表徵會議。 (2022) |程式碼

基於強化學習的分子構形生成

• Conformer-RL：用於產生符合者的深度強化學習庫[2022]
  姜潤軒、Tarun Gogineni、Joshua Kammeraad、何一飛、Ambuj Tewari 和 Paul M. Zimmerman。
  計算化學雜誌 43.27 (2022) |程式碼

基於 GNN 的分子構形生成

• 利用 2D 分子圖預訓練透過圖神經網路改進 3D 構形生成[2024]
  姜潤軒、Tarun Gogineni、Joshua Kammeraad、何一飛、Ambuj Tewari 和 Paul M. Zimmerman。
  電腦與化學工程（2024）|程式碼

基於深度學習的藥物設計

• 使用生成式 AI 模型和基於結構的藥物設計加速發現氨基甲酸酯 Cbl-b 抑制劑[2024]
  Quinn, TR、Giblin, KA、Thomson, C.、Boerth, JA、Bommakanti, G.、Braybrooke, E.、Chan, C.、Chinn, AJ、Code, E.、Cui, C. 和 Fan, Y.
  J. Med。化學。 (2024) |程式碼

• 重塑 4：現代人工智慧驅動的生成分子設計[2024]
  Hannes H. Loeffler、Jiazhen He、Alessandro Tibo、Jon Paul Janet、Alexey Voronov、Lewis H. Mervin 與 Ola Engkvist
  化學資訊學雜誌，16(20) (2024) |程式碼

• Chemistry42：人工智慧驅動的分子設計與優化平台[2023]
  Ivanenkov、Yan A.、Daniil Polykovskiy、Dmitry Bezrukov、Bogdan Zagribelnyy、Vladimir Aladinskiy、Petrina Kamya、Alex Aliper、Feng Ren 和 Alex Zhavoronkov。
  化學資訊與建模雜誌 63.3 (2023) |網路

基於RNN

• 用於從頭藥物設計的轉錄條件循環神經網路[2024]
  Matsukiyo, Y.、Tengeiji, A.、Li, C. 與 Yamanishi, Y.
  J.化學。資訊.模型。 (2024) |程式碼

• 具有深度交互作用組學學習的前瞻性從頭藥物設計[2024]
  Atz, K.、Cotos, L.、Isert, C. 等人。
  自然通訊 15, 3408 (2024) |程式碼

• CNSMolGen：基於雙向循環神經網路的生成模型，用於從頭中樞神經系統藥物設計[2024]
  苟榮培、楊靜怡、郭夢涵、陳英俊和薛偉偉。
  chemrxiv-2024-x4wbl (2024) | chemrxiv-2024-x4wbl (2024) |程式碼

• NovoMol：用於口服生物可利用藥物設計和 PDGFRα 受體驗證的循環神經網路[2023]
  拉奧、伊希爾.
  arXiv:2312.01527 (2023) |程式碼

• 使用循環神經網路產生聚焦藥物分子庫[2023]
  鄒金平，趙龍，施少平。
  分子建模雜誌 29.12 (2023) |程式碼

• ChemTSv2：使用 de novo 分子生成器進行功能性分子設計[2023]
  石田、Shoichi、Tanuj Aasawat、Masato Sumita、Michio Katouda、Tatsuya Yoshizawa、Kazuki Yoshizoe、Koji Tsuda 和 Kei Terayama。
  Wiley 跨學科評論：計算分子科學 (2023) |程式碼

• 利用強化學習進行從頭藥物設計[2023]
  Svensson、Hampus Gummesson、Christian Tyrchan、Ola Engkvist 和 Morteza Haghir Chehreghani。
  arXiv:2303.17615 (2023) |程式碼

• 基於Stack-RNN的多目標獎勵加權和和強化學習的從頭藥物設計[2023]
  胡平，鄒靜，餘靜等。
  J Mol 模型 29, 121 (2023) |程式碼

• 關於現實驗證分子生成模型的困難：公共與專有資料的案例研究[2023]
  半田、光一、摩根·托馬斯、影山道晴、飯島武和安德烈亞斯·本德爾。
  chemrxiv-2023-lbvgn | chemrxiv-2023-lbvgn程式碼

• Magicmol：用於類藥物分子演化和快速化學空間探索的輕量級管道[2023]
  陳、林、沉慶、樓俊剛。
  BMC 生物資訊學 (2023) |程式碼

• 增強爬山提高了基於語言的從頭分子生成的強化學習效率[2022]
  托馬斯，M.，奧博伊爾，NM，本德，A. 等人。
  化學雜誌 (2022) |程式碼

• 使用化學語言模型進行從頭分子設計[2022]
  格里索尼，F.，施奈德，G.
  藥物設計中的人工智慧。分子生物學方法，第 2390 卷。程式碼

• 相關 RNN 框架可在低資料範圍內快速產生具有含能材料所需特性的分子[2022]
  李川、王成輝、孫明、曾彥、袁媛、苟巧林、王廣川、郭彥志和蒲雪梅。
  J.化學。資訊.模型。 (2022) |程式碼

• 優化從頭藥物設計的循環神經網路架構[2021]
  Santos, BP、Abbasi, M.、Pereira, T.、Ribeiro, B. 和 Arrais, JP
  紙|程式碼

• 一種產生用於藥物發現的類藥物分子的循環神經網路 (RNN) [2021]
  程式碼

• 使用交互指紋（對接姿勢）作為約束的分子生成模型[2021]
  程式碼

• 使用遞歸神經網路進行雙向分子生成[2020]
  Grisoni, F.、Moret, M.、Lingwood, R. 與 Schneider, G.
  J.化學。資訊.模型。 (2020) |程式碼

• 使用描述子條件循環神經網路直接控制從頭分子生成[2019]
  Kotsias, PC.、Arús-Pous, J.、Chen, H.等。
  納特·馬赫情報 2, 254–265 (2020) |程式碼

• ChemTS：用於從頭分子產生的高效能 Python 庫[2017]
  楊X.、張J.、Yoshizoe, K.、寺山K.、津田K.
  先進材料科學與技術（2017）|程式碼

基於LSTM

• ClickGen：透過模組化反應和強化學習對可合成化學空間進行定向探索[2024]
  王M.，李S.，王J.等。
  自然通訊 15, 10127 (2024) |程式碼

• DigFrag 作為一種數位碎片方法，用於基於人工智慧的藥物設計[2024]
  楊R.，週紅，王F.等。
  通訊化學 7, 258 (2024) |程式碼

• 具有深度交互作用組學學習的前瞻性從頭藥物設計[2024]
  Atz, K.、Cotos, L.、Isert, C. 等人。
  自然通訊 15, 3408 (2024) |程式碼

• 使用客製化的 LSTM 變分自動編碼器深度學習架構進行 HIV 病毒的計算藥物發現[2023]
  Kutsal、Mucahit、Ferhat Ucar 和 Nida Kati。
  CPT：藥理學和系統藥理學。 (2023) |程式碼

• 用於從頭藥物設計的結構化狀態空間序列模型[2023]
  厄茲塞利克 R、德魯特 S、格里索尼 F.
  chemrxiv-2023-jwmf3。 (2023) |程式碼

• 將合成可近性與基於人工智慧的生成藥物設計結合[2023]
  Parrot, M.、Tajmouati, H.、da Silva, VBR 等人。
  化學雜誌 15, 83 (2023) |程式碼

• 用於從頭藥物設計的深度交互組學習[2023]
  Atz K、Cotos Muñoz L、Isert C、Håkansson M、Focht D、Nippa DF 等。
  chemrxiv-2023-cbq9k (2023)

• 基於胃質子幫浦結構的深度學習驅動的從頭藥物設計[2023]
  Abe, K.、Ozako, M.、Inukai, M. 等人。
  社區生物學 6, 956 (2023) |程式碼

• 使用立體化學資訊預測生物活性和生成分子命中的人工智慧[2023]
  佩雷拉、Tiago O.、Maryam Abbasi、Rita I. Oliveira、Romina A. Guedes、Jorge AR Salvador 和 Joel P. Arrais。
  研究廣場。 (2023) |程式碼

• 邏輯：學習設計從頭化學結構的最佳生成分佈[2023]
  Bae, B.、Bae, H. 與 Nam, H.
  化學雜誌 15, 77 (2023) |程式碼

• 利用化學語言模型的分子結構和生物活性進行從頭藥物設計[2023]
  Kotsias, PC.、Arús-Pous, J.、Chen, H.等。
  自然通訊 14, 114 (2023) |程式碼

• 基於 SMILES 的 CharLSTM，透過策略梯度進行微調和目標導向產生[2022]

  程式碼

• DeLA-Drug：一種用於自動設計類藥類似物的深度學習演算法[2022]
  Creanza, TM、Lamanna, G.、Delre, P.、Contino, M.、Corriero, N.、Saviano, M....和 ​​Ancona, N.
  J.化學。資訊.模型。 (2022) |網路

• 使用基於循環神經網路的遷移學習對 SARS-CoV-2 主要蛋白酶抑制劑進行從頭設計和生物活性預測[2021]
  桑塔納，MVS，小席爾瓦，FP
  BMC 化學 15, 8 (2021) |程式碼

• 用於從頭藥物設計的生成循環網絡[2018]
  Gupta, A.、Müller, AT、Huisman, BJ、Fuchs, JA、Schneider, P. 和 Schneider, G.
  摩爾通知。 2018 |程式碼

• 用於從頭藥物設計的生成循環神經網路[2017]
  古普塔、安維塔等人。
  摩爾通知。 2018 |程式碼

自迴歸模型

• Saturn：使用記憶體操作進行高效率樣本產生分子設計[2024]
  傑夫‧郭，菲利普‧施瓦勒。
  arXiv:2405.17066 (2024) |程式碼

• 利用 Pareto MCTS 實現目標感知分子生成以遵循多目標[2024]
  楊Y.，陳G.，李J.等。
  社區生物學 7, 1074 (2024) |程式碼

• PocketFlow 是一種數據和知識驅動的基於結構的分子生成模型[2024]
  楊勝勇，蔣媛媛，張國等。
  納特·馬赫·英特爾 (2024) |研究廣場。預印本。 (2023) |程式碼

• 透過深度生成框架與迭代遷移學習實現偏向性質的從頭分子設計[2024]
  Sattari、Kianoosh、李大偉、Bhupalee Kalita、謝雲超、Fatemeh Barmaleki Lighvan、Olexandr Isayev 和Jian Lin。
  數位發現 (2024) |程式碼

• Symphony：用於 3D 分子生成的對稱等變點心球諧函數[2024]
  阿米亞·戴加萬 (Ameya Daigavane)、金松恩 (Song Eun Kim)、馬裡奧·蓋格 (Mario Geiger) 和泰絲·斯密特 (Tess Smidt)。
  ICLR (2024) |程式碼

• 基於自回歸片段的擴散，用於口袋感知配體設計[2023]
  戈爾巴尼、馬赫迪、利奧·根德列夫、保羅·貝羅扎和邁克爾·凱澤。
  NeurIPS 2023 生成人工智慧和生物學 (GenBio) 研討會。 (2023) |程式碼

• 學習 3D 分子生成的拓樸表面和幾何結構[2023]
  張，Odin，王天悅，翁高琪，姜德軍，王寧，王曉瑞，趙惠峰等。
  自然計算科學 (2023) |程式碼

• ResGen 是一種基於平行多尺度建模的口袋感知 3D 分子生成模型[2023]
  張，O.，張，J.，金，J.等。
  納特·馬赫·英特爾 (2023) |程式碼

• FFLOM：用於片段到先導優化的基於流的自回歸模型[2023]
  金潔宇、王棟、施古琴、鮑景曉、王繼科、張浩天、潘培臣、李丹、姚曉君、劉煥翔、侯廷軍、康宇
  J. Med。化學。 (2023) |程式碼

• 具有自回饋功能的領域不可知分子生成[2023]
  尹方、張寧宇、陳卓、範曉輝、陳華軍
  arXiv:2301.11259v3 |程式碼

• GraphAF：用於分子圖生成的基於流的自回歸模型[2020]
  施成、徐明、朱志、張文、張明、唐傑。
  ICLR (2020) |arXiv:2001.09382 |程式碼

基於變壓器

• 基於擴散的化學自然語言生成類藥物分子編輯[2024]
  王建民、週鵬、王子旭、龍偉、陳陽陽、諾景泰、歐陽東昇*、毛家順*、曾香香*。
  J.Pharm。肛門。 (2024) |程式碼

• 利用 Tree-Transformer VAE 和片段標記化實現高性能大型化學生成模型[2024]
  犬養 T、大和 A、秋山 M、榊原 Y.
  ChemRxiv。 (2024) |程式碼

• 透過反應性建構模組進行毒性控制的合理配體生成的深度學習方法[2024]
  李平，張凱，劉T.等。
  自然計算科學 (2024) |程式碼

• 化學設計和性能預測的基礎模型[2024]
  蔡 F.、朱 T.、曾 TR、段 Y.、劉 L.、Pilla S.、李 G. 和羅 F.
  arXiv:2410.21422 (2024) |程式碼

• SE(3) 基於結構的藥物發現的等變拓樸[2024]
  Prat A、Abdel Aty H、Pabrinkis A、Bastas O、Paquet T、Kamuntavičius G 等。
  ChemRxiv。 (2024)

• 用於多條件分子生成的圖擴散變壓器[2024]
  劉剛、徐嘉欣、特羅和孟姜。
  NeurIPS 2024（口語）。 (2024) |程式碼

• 使用變壓器模型進行詳盡的局部化學空間探索[2024]
  Tibo, A.、He, J.、Janet, JP 等人。
  自然通訊 15, 7315 (2024) |程式碼

• 用於產生分子設計的 Transformer 圖變分自動編碼器[2024]
  Nguyen、Trieu 和 Aleksandra Karolak。
  生物Rxiv (2024)

• BindGPT：透過語言建模和強化學習進行 3D 分子設計的可擴展框架[2024]
  Zholus、Artem、Maksim Kuznetsov、Roman Schutski、Rim Shayakhmetov、Daniil Polykovskiy、Sarath Chandar 和 Alex Zhavoronkov。
  arXiv:2406.03686 (2024)

• 使用基於圖的 Transformer 模型探索新型芬太尼類似物[2024]
  張光樂、張元、李玲、周家英、陳洪林、季金文、李艷茹、曹悅、徐志輝和片叢。
  跨學科科學：計算生命科學（2024）|程式碼

• TenGAN：純 Transformer 編碼器為 De Novo 分子生成建構高效的離散 GAN [2024]
  李、陳和山西義弘。
  國際人工智慧和統計會議。 PMLR (2024)

• DockingGA：使用變壓器神經網路和遺傳演算法透過對接模擬增強目標分子生成[2024]
  高昌南、鮑文傑、王爽、鄭建陽、王露露、任永琪、焦林芳、王建民、王迅。
  功能基因體學簡報 (2024) |程式碼

• 必須安全：分子設計的新框架[2024]
  努塔希、伊曼紐爾、克里斯蒂安·加貝里尼、邁克爾·克雷格、喬納森·SC·林和普魯登西奧·托索。
  數位發現 (2024) | arXiv:2310.10773 (2023) |程式碼

• 提高分子設計效率：將語言模型和生成網路與遺傳演算法結合[2024]
  Bhowmik、Debsindhu、張培、Zachary Fox、Stephan Irle 和 John Gounley。
  模式 (2024) |程式碼

• ChemSpaceAL：一種應用於蛋白質特異性分子生成的高效能主動學習方法[2024]
  Kyro、Gregory W.、Anton Morgunov、Rafael I. Brent 和 Victor S. Batista。
  J.化學。資訊.模型。 (2024) |程式碼

• 基於 Transformer 的分子設計中強化學習的評估[2024]
  He J、Tibo A、Janet JP、Nittinger E、Tyrchan C、Czechtizky W 等。
  chemrxiv-2024-r9ljm (2024) |程式碼

• 雙空間優化：透過 Latent Prompt Transformer 改進分子序列設計[2024]
  Deqian Kong、Yuhao Huang、Jianwen Xie、Edouardo Honig、Ming Xu、S雙紅、Pei Lin、Sanping Zhou、Shengzhong、Nanning Cheng 和 Ying Nian Wu。
  arXiv:2402.17179 (2024)

• VAE結合Transformer的新型分子生成模型[2024]
  吉海泰弘、水野忠早、根本俊平、楠原博之。
  arXiv:2402.11950 (2024) |程式碼

• GexMolGen：透過基因表現特徵的大語言模型編碼跨模式生成類命中分子[2024]
  程家北、潘曉勇、楊開元、曹勝浩、劉斌、顏慶然和葉遠。
  生物Rxiv (2024) |程式碼

• 用於發現潛在 NLRP3 抑制劑的本地支架多樣性產生器[2024]
  波偉辰、段揚琴、鄒玉蓉、馬子彥、楊濤、王鵬、郭濤、付志遠、王建民、範臨川、劉傑、王泰金和陳麗娟。
  J.化學。資訊.模型。 (2024) |程式碼

• 使用化學語言模型進行藥物設計的目標感知分子生成[2024]
  夏英策、吳克涵、鄧攀、劉仁和、張元、韓國、崔雨萌等。
  生物Rxiv (2024)

• 利用藥效團資訊生成模型加速新型生物活性配體的發現[2024]
  謝偉新、張建航、謝勤、龔朝軍、徐友軍、賴魯華和裴建峰。
  arXiv:2401.01059 (2024) |程式碼

• 基於條件生成模型的可自我改進的聚合物發現框架[2023]
  雷翔雲、葉偉科、楊振澤、丹尼爾·施威格特、權河京和阿拉什·卡傑。
  arXiv：2312.04013。 (2023)

• LLamol：用於從頭分子設計的動態多條件生成變壓器[2023]
  多伯斯坦、尼克拉斯、阿斯特麗德·馬斯和揚·哈馬克斯。
  arXiv：2311.14407。 (2023) |程式碼

• GraphGPT：用於條件分子產生的圖形增強生成預訓練變壓器[2023]
  盧浩、魏志強、王旭澤、張坤、劉浩。
  國際分子科學期刊 24.23 (2023) |程式碼

• PROTACable 是 3D 建模和深度學習的整合式運算管道，用於自動化 PROTAC 的從頭設計[2023]
  Hazem Mslati、Francesco Gentile、Mohit Pandey、Fuqiang Ban、Artem Cherkasov。
  BioRxiv 2023.11.20.567951。 (2023) |程式碼

• 從頭藥物設計中基於A2C強化學習的分子生成策略與優化[2023]
  王錢、魏志強、胡曉彤、王卓亞、董玉傑和劉浩。
  生物資訊學：btad693。 (2023) |程式碼

• 透過基因表現特徵的基礎模型編碼跨模式生成類命中分子[2023]
  程家北，潘曉勇，楊開元，曹勝浩，劉斌，袁野。
  BioRxiv 2023.11.11.566725。 (2023) |程式碼

• REINVENT4：現代人工智慧驅動的生成分子設計[2023]
  Loeffler H、He J、Tibo A、Janet JP、Voronov A、Mervin L 等。
  chemrxiv-2023-xt65x (2023) |程式碼

• 利用 Transformer 和深度強化學習優化化學空間中的結合親和力[2023]
  徐曉鵬、週珏曉、朱陳、詹清、李忠曉、張若池、王宇、廖星宇和高鑫。
  chemrxiv-2023-7v4sw (2023) |程式碼

• 使用強化學習和 Transformers 尋找高價值分子[2023]
  拉吉·古加雷（Raj Ghugare）、聖地亞哥·米雷特（Santiago Miret）、阿德里安娜·休格森（Adriana Hugessen）、馬裡亞諾·菲利普（Mariano Philipp）和格倫·伯塞斯（ Glen Berseth）。
  arXiv:2310.02902 (2023)

• 透過基於 Transformer 的強化學習進行分子從頭設計[2023]
  馮濤、徐鵬程、付天凡、Siddhartha Laghuvarapu 和孫吉猛。
  arXiv:2310.05365 (2023)

• 用於分子生成設計的機率生成轉換器語言模型[2023]
  魏麗，付娜，宋宇等。
  化學雜誌 15, 88 (2023) |程式碼

• 使用聯合變壓器的從頭藥物設計[2023]
  Adam Izdebski、Ewelina Węglarz-Tomczak、Ewa Szczurek 與 Jakub M. Tomczak
  arXiv：2310.02066。 (2023)

• 用於從頭藥物設計的結構化狀態空間序列模型[2023]
  厄茲塞利克 R、德魯特 S、格里索尼 F.
  chemrxiv-2023-jwmf3。 (2023) |程式碼

• 透過基於 Transformer 的變分自動編碼器和貝葉斯優化從頭生成治療性標靶蛋白抑制劑和活化劑候選物的化學結構[2023]
  松清由紀、山中千重和山西義弘。
  J.化學。資訊.模型。 (2023) |程式碼

• 反向變壓器 GAN 透過屬性最佳化生成支架約束分子。 [2023年服]
  李 C.、山西 Y.
  ECML PKDD (2023) |程式碼

• ChemSpaceAL：一種應用於蛋白質特異性分子生成的高效能主動學習方法[2023]
  Kyro、Gregory W.、Anton Morgunov、Rafael I. Brent 和 Victor S. Batista。
  arXiv:2309.05853 (2023) |程式碼

• 使用 E(3) 不變變壓器 VAE 進行高效 3D 分子設計[2023]
  Dollar、Orion、Nisarg Joshi、Jim Pfaendtner 和 David AC Beck。
  物理化學雜誌 A (2023) |程式碼

• Lingo3DMol：使用語言模型產生基於 Pocket 的 3D 分子[2023]
  王呂偉、林在雲、朱彥浩、白榮、馮偉、王虎廷、周杰龍、彭偉、黃波和周文標。
  arXiv:2305.10133 (2023) |程式碼

• FSM-DDTR：使用 Transformer 進行多目標 De Novo 藥物設計的端對端回饋策略[2023]
  Monteiro、Nelson RC、Tiago O. Pereira、Ana Catarina D. Machado、José L. Oliveira、Maryam Abbasi 和 Joel P. Arrais。
  生物學與醫學中的計算機 (2023) |程式碼

• 透過深度學習對線性分子進行大環化以促進大環候選藥物的發現[2023]
  刁，Y.，劉，D.，葛 H. 等。
  自然通訊 14, 4552 (2023) |程式碼

• 透過深度學習基於患者基因表現譜進行從頭藥物設計[2023]
  山中伸彌、近重、宇木俊哉、界藤一馬、岩田道雄和山西義弘。
  分子資訊學（2023）|程式碼

• 基於 Transformer 的深度學習方法，用於優化先導化合物的 ADMET 性質[2023]
  楊麗娟、金超、楊光輝、丙志同、黃亮、牛玉珍和楊雷。
  物理化學化學物理25.3（2023）

• 以序列為基礎的藥物設計作為計算藥物設計中的一個概念[2023]
  陳 L.、範 Z.、張 J. 等。
  自然通訊 14, 4217 (2023) |程式碼

• DrugGPT：基於 GPT 的策略，用於設計針對特定蛋白質的潛在配體[2023]
  李躍森、高成毅、宋鑫、王翔宇、查看ORCID資料徐雲剛、韓素霞
  生物Rxiv (2023) |程式碼

• PrefixMol：透過前綴嵌入進行目標和化學感知分子設計[2023]
  高、張陽、胡雨琪、譚成和李斯坦。
  arXiv:2302.07120 (2023) |程式碼

• 分子設計的自適應語言模型訓練[2023]
  安德魯·E·布蘭查德、德布辛杜·鮑米克、扎卡里·福克斯、約翰·古利、延斯·格拉澤、貝琳達·S·阿克帕和史蒂芬·艾爾。
  化學雜誌 15, 59 (2023) |程式碼

• CMGN：用於設計具有所需特性的目標特異性分子的條件分子生成網[2023]
  楊敏建，孫涵宇，劉雪，薛曦，鄧亞峰，王曉建。
  生物資訊簡報，2023；，bbad185 |程式碼

• cMolGPT：用於特定目標從頭分子生成的條件生成預訓練 Transformer [2023]
  王葉、趙宏剛、Simone Sciabola 和王文祿。
  分子 2023, 28(11), 4430 |程式碼

• 使用 Transformer 和策略梯度強化學習的分子生成[2023]
  Mazuz, E.、Shtar, G.、Shapira, B. 等人。
  科學報告 13, 8799 (2023) |程式碼

• iupacGPT：基於 IUPAC 的大規模分子預訓練模型，用於屬性預測和分子生成[2023]
  毛家順、王建民、曹光輝、Kyoung Tai No
  chemrxiv-2023-5kjvh |程式碼

• 透過約束架構減少標記的分子生成[2023]
  王繼科、曾雲殿、孫慧勇、王俊梅、王曉瑞、金若凡、王明陽等。
  J.化學。資訊.模型。 (2023) |程式碼

• 使用擴散建模和 Transformer 深度神經網路生成新型化學設計並應用於深度共晶溶劑[2023]
  Luu、Rachel K.、Marcin Wysokowski 和 Markus J. Buehler。
  arXiv:2304.12400v1 |程式碼

• 回歸 Transformer 能夠實現分子語言建模的並發序列回歸與生成[2023]
  玻恩，J.，馬尼卡，M.
  納特·馬赫情報 5, 432–444 (2023) |程式碼

• 基於 Transformer 的抗病毒藥物設計分子生成模型[2023]
  毛家順；王建明阿米爾·澤布；曹光輝；進，海燕；金正萬;李，溫州；王雲雲；不，京泰。
  J.化學。資訊.模型。 (2023) |程式碼

• 使用基於圖變換器的生成對抗網絡對候選藥物分子進行目標特異性從頭設計[2023]
  Ünlü、Atabey、Elif Çevrim、Ahmet Sarıgün、Hayriye Çelikbilek、Heval Ataş Güvenilir、Altay Koyaş、Deniz Cansen Kahraman、Ahmet Rifaioğlu 和 Abdurrahman Olğaç。
  arXiv：2302.07868v5

• DrugEx v3：基於圖形轉換器的強化學習的支架約束藥物設計[2023]
  Liu，X.，Ye，K.，van Vlijmen，HWT 等人。
  《化學資訊》雜誌 15, 24 (2023) |程式碼

• 利用深度生成模型探索類藥物空間[2023]
  王建民，等。
  方法 (2023) |程式碼

• 大規模化學語言表示捕捉分子結構與特性[2022]
  Ross, J.、Belgodere, B.、Chenthamarakshan, V.、Padhi, I.、Mroueh, Y. 與 Das, P.
  納特·馬赫情報 4, 1256–1264 (2022) |程式碼

• AlphaDrug：蛋白質標靶特異性從頭分子生成[2022]
  錢，郝，程林，趙登偉，屠世奎，徐雷。
  PNAS Nexus (2022) |程式碼

• 我們能否快速學會用 Transformer 模型「翻譯」生物活性分子？ 【2022】
  Bagal, V.、Aggarwal, R.、Vinod, PK 和 Priyakumar, UD
  chemrxiv-2022-gln27

• MolGPT：使用 Transformer-Decoder 模型進行分子生成[2022]
  Bagal, V.、Aggarwal, R.、Vinod, PK 和 Priyakumar, UD
  J.化學。資訊.模型。 2022, 62, 9, 2064–2076 |程式碼

• 為蛋白質口袋定制分子：基於 Transformer 的基於結構化藥物設計的生成解決方案[2022]
  吳K.、夏Y.、範Y.、鄧平、劉H.、吳L....&劉TY
  arXiv.2209.06158 |程式碼

• 利用預先訓練的生化語言模型進行標靶藥物設計[2022]
  Uludoğan、Gökçe、Elif Ozkirimli、Kutlu O. Ulgen、Nilgün Karal 和 Arzucan Özgür。
  生物資訊學（2022）|程式碼

• 基於 Transformer 的 De Novo 分子設計生成模型[2022]
  王文祿，等。
  arXiv：2210.08749v2

• 分子與自然語言之間的翻譯[2022]
  Edwards, C.、Lai, T.、Ros, K.、Honke, G. 與 Ji, H.
  arXiv:2204.11817v3 |程式碼

• 回歸 Transformer 支持分子語言建模的並發序列回歸和生成[2022]
  出生，詹尼斯和馬尼卡，馬特奧
  arXiv:2202.01338v3 |程式碼

• 分子生成預訓練[2021]
  阿迪洛夫，桑賈爾。
  J.化學。資訊.模型。 2022, 62, 9, 2064–2076 |程式碼

• 用於分子圖生成的 Transformer [2021]
  科法拉、提姆和奧利佛·克萊默。
  ESANN 2021 |程式碼

• 使用 Transformer 進行分子的空間生成[2021]
  科法拉、提姆和奧利佛·克萊默。
  IJCNN52387.2021.9533439 (2021) |程式碼

• 生成化學變壓器：透過 Attentio 從化學語言進行分子幾何結構的神經機器學習[2021]
  Hyunseung Kim、Jonggeol Na* 和 Won Bo Lee*。
  J.化學。資訊.模型。 2021, 61, 12, 5804–5814 |程式碼

• C5T5：利用 Transformer 可控生成有機分子[2021]
  Rothchild, D.、Tamkin, A.、Yu, J.、Misra, U. 與 Gonzalez, J.
  arXiv:2108.10307v1 |程式碼

• 使用深度神經網路捕捉化學家的直覺進行分子優化[2021]
  He, J.、You, H.、Sandström, E. 等人。
  《化學資訊》雜誌 13, 26 (2021) |程式碼

• 用於蛋白質特異性從頭藥物產生的變壓器神經網路作為機器翻譯問題[2021]
  格列奇什尼科娃，達莉亞。
  科學報告 11, 321 (2021) |程式碼

• Transmol：重新利用分子生成的語言模型[2021]
  格列奇什尼科娃，達莉亞。
  RSC 取得進展。 2021；11(42):25921-32。 |程式碼

• 基於注意力的從頭分子設計生成模型[2021]
  Dollar, O.、Joshi, N.、Beck, DA 與 Pfaendtner, J.，
  化學科學 12.24 (2021) |程式碼

基於VAE

• 利用 Tree-Transformer VAE 和片段標記化實現高性能大型化學生成模型[2024]
  犬養 T、大和 A、秋山 M、榊原 Y.
  ChemRxiv。 (2024) |程式碼

• 用於產生分子設計的 Transformer 圖變分自動編碼器[2024]
  Nguyen、Trieu 和 Aleksandra Karolak。
  生物Rxiv (2024)

• 具有深層分層生成模型的結構為基礎的藥物設計[2024]
  傑西·A·韋勒和雷莫·羅斯。
  J.化學。資訊.模型。 (2024) |程式碼

• 利用活躍子空間捕捉分子設計深度生成模型中的認知模型不確定性[2024]
  Abeer、ANM、Sanket Jantre、Nathan M. Urban 和 Byung-Jun Yoon。
  arXiv:2405.00202 (2024)

• GxVAE：兩個聯合 VAE 從基因表現譜產生命中分子[2024]
  李、陳和山西義弘。
  AAAI 人工智慧會議論文集。卷。 38.第12號。程式碼

• 用於相互作用引導藥物設計的 3D 分子生成框架[2024]
  鐘 W.、金 H. 和金 WY
  自然通訊 15, 2688 (2024) |程式碼

• 透過分層變分自動編碼器產生基於注意力的分子[2024]
  迪瓦哈·西瓦內桑。
  arXiv：2402.16854。 (2024)

• VAE結合Transformer的新型分子生成模型[2024]
  吉海泰弘、水野忠早、根本俊平、楠原博之。
  arXiv:2402.11950 (2024) |程式碼

• 基於機器學習的具有藥效的新型化合物的從頭生成與鑑定[2024]
  何大闊、劉青、米艷、孟慶奇、徐立斌、侯春雨、王金鵬等。
  高級科學（2024）

• 使用客製化的 LSTM 變分自動編碼器深度學習架構進行 HIV 病毒的計算藥物發現[2023]
  Kutsal、Mucahit、Ferhat Ucar 和 Nida Kati。
  CPT：藥理學和系統藥理學。 (2023) |程式碼

• NRC-VABS：歸一化重參數化條件變分自動編碼器，在藥物分子設計的潛在空間中應用波束搜尋[2023]
  巴德瓦爾、阿倫辛格、卡邁勒庫馬爾和尼拉吉庫馬爾。
  具有應用程式的專家系統。 (2023)

• 用於透過多模態蛋白質建模生成配體的目標感知變分自動編碼器[2023]
  Ngo、Khang 和 Truong Son Hy。
  NeurIPS 2023 生成人工智慧和生物學 (GenBio) 研討會。 (2023) |程式碼

• 用於可推廣的基於結構的藥物設計的交互感知 3D 分子生成框架[2023]
  金佑妍、鄭元虎和金亨宇。
  研究廣場。 (2023) |程式碼

• 變分圖編碼器作為電腦輔助藥物設計中有效的通用演算法的應用[2023]
  Lam, HYI、Pinchet, R.、Han, H. 等人。
  納特·馬赫智能 5, 754–764 (2023) |程式碼

• 透過基於 Transformer 的變分自動編碼器和貝葉斯優化從頭生成治療性標靶蛋白抑制劑和活化劑候選物的化學結構[2023]
  松清由紀、山中千重和山西義弘。
  J.化學。資訊.模型。 (2023) |程式碼

• ReBADD-SE：使用 SELFIES 片段和離策略自我關鍵序列訓練的多目標分子優化[2023]
  Choi、Jonghwan、Sangmin Seo、Seungyeon Choi、Shengmin Piao、Chihyun Park、Sung Jin Ryu、Byung Ju Kim 和 Sanghyun Park。
  生物學與醫學中的計算機 157 (2023) |程式碼

• 使用 E(3) 不變變壓器 VAE 進行高效 3D 分子設計[2023]
  Dollar、Orion、Nisarg Joshi、Jim Pfaendtner 和 David AC Beck。
  物理化學雜誌 A (2023) |程式碼

• 使用稀疏標記訓練資料進行多約束分子生成，用於局部高濃度電解質稀釋劑篩選[2023]
  Mailoa、Jonathan P.、李鑫、邱傑中和張勝宇。
  數位發現 (2023) |代碼|數據集

• 使用生成網絡複合體治療阿片類藥物使用疾患的多目標分子優化[2023]
  馮紅松、王銳、詹昌國和魏國偉。
  J. Med。化學。 (2023) |程式碼

• ScaffoldGVAE：透過基於多視圖圖神經網路的變分自動編碼器進行藥物分子的支架生成和跳躍[2023]
  胡超、李松、楊晨星、陳軍、熊毅、範桂生、劉浩、洪梁。
  化學雜誌 15, 91 (2023) |研究廣場。 (2023) |程式碼

• 透過變分自動編碼器進行多孔有機籠的深度生成設計[2023]
  周家俊、奧斯汀·莫羅茲、金·傑爾夫斯*。
  化學XIV (2023) |程式碼

• 用於具有多模式蛋白質表示學習的配體產生的目標感知變分自動編碼器[2023]
  Nhat Khang Ngo、Truong Son Hy.
  生物Rxiv。 (2023) |程式碼

• 從頭開始