molecular representations | BriefGPT

关键词molecular representations

搜索结果 - 7

基于量子力学数据的原子水平预训练对图神经网络分子性质模型的分析
通过原子级量子力学预训练数据，本研究探讨了如何改善深度学习在定量构效关系模型中的性能与广义性，以解决新颖化合物的现实情景下训练与测试数据的分布不一致问题，并显示了在公共数据集 TDC 上，原子级量子力学预训练可以改善性能，使特征激活更加符合
PDFa month ago
TSIS：基于片段的分子表示的 t-SMILES 的补充算法
该研究介绍一种名为 TSIS（TSID 简化）的补充算法，用于 t-SMILES 家族，与基于片段的线性解决方案 SAFE 相比较实验结果表明，TSIS 模型的性能优于 SAFE 模型，这表明 t-SMILES 家族的树状结构具有一定优势。
PDF5 months ago
通过信息最大化从分子表征中去除偏差
高通量药物筛选是生物技术中评估药物化学结构与生物活性关系的关键工具。本文提出了一种信息最大化方法 InfoCORE 来有效处理批次效应，并获得精确的分子表征。InfoCORE 通过建立给定批次标识符的潜在表征的条件互信息的变分下界，自适应地
PDF7 months ago
EMNLPBioT5: 用化学知识和自然语言关联加强生物学中的跨模态整合
提出了 BioT5，这是一个综合的预训练框架，通过化学知识和自然语言关联来丰富生物学中的跨模态集成，具有 100% 稳健的分子表示，从非结构化生物文献的上下文中提取知识，并区分结构化和非结构化知识，在多种任务中展现出卓越性能，能够捕捉生物实
PDF9 months ago
3D 去噪器是优秀的 2D 教师：通过去噪和跨模态蒸馏进行分子预训练
D&D 是一种自监督的分子表示学习框架，通过从 3D 去噪器中提炼的表示来预训练 2D 图形编码器，并在下游任务中无需准确的构象器获得 3D 信息和卓越的性能。
PDF10 months ago
利用语言模型和领域相关辅助任务进行分子表示学习
本文采用 Transformer 结构，具体为 BERT，来学习灵活高质量的分子表示，从预训练使用不同组合的自监督任务的影响、到提高所学表示的领域相关性，最终提高了我们模型 MolBert 在基准数据集上的性能，显示其在药物发现方面具有良好
PDF4 years ago
ICML路径增强图变换器网络
提出了一种基于路径增强的图转换网络 (PAGTN)，用于学习分子表示，并将其与基于图卷积网络 (GCN) 的模型进行比较，在分子属性预测方面表现更好，包括量子化学 (QM7，QM8，QM9)，物理化学 (ESOL，亲脂) 和生物化学 (BA
PDF5 years ago