.png){kind=icon}
返回
Stereochemistry-aware string-based molecular generation
.png){kind=icon}
OA
AI
DOI：10.1093/pnasnexus/pgaf329.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了整合立体化学信息对分子生成建模的影响，立体化学信息是计算药物发现和材料设计的核心要素。我们详细比较了基于字符串的立体化学感知与常规非立体化学感知生成方法，并应用了遗传算法和基于强化学习的技术。为评估这些模型，我们引入了新型基准测试，专门用于评估立体化学感知生成建模的重要性。结果表明，在多种立体化学敏感任务中，立体化学感知模型通常与常规算法表现相当或更优。然而，我们也观察到，在立体化学作用不显著的场景下，立体化学感知模型可能因需处理更复杂的化学空间而面临挑战。本研究为在分子生成模型中整合立体化学信息所涉及的权衡提供了见解，并针对具体应用需求选择合适方法提供了指导。
Keyword:
molecular generation
stereochemistry
generative modeling
drug design
machine learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
P
IF:
3.8
论文数:
2.2K
被引数:
3.2K
机构
引用论文
Regression Transformer enables concurrent sequence regression and generation for molecular language modelling回归转换器可实现分子语言建模的并发序列回归和生成
OAAI
OAAI分享收藏Chemical language models enable navigation in sparsely populated chemical space化学语言模型可以在稀疏的化学空间中导航
PREAI
分享收藏Accurate Machine Learning Prediction of Protein Circular Dichroism Spectra with Embedded Density Descriptors嵌入密度描述符的蛋白质圆二色光谱的精确机器学习预测.png)
JACS AUOAAI
JACS AUIF8.7
OAAI分享收藏Molecular Assays Simulator to Unravel Predictors Hacking in Goal-Directed Molecular Generations
PREAI
分享收藏Variational autoencoder-based chemical latent space for large molecular structures with 3D complexity具有3D复杂性的大分子结构的基于变分自动编码器的化学潜空间OAAI
OAAI分享收藏
查看更多内容