DGL & RDKit | 基于GCN的多任务分类模型

DGL

       纽约大学、纽约大学上海分校、AWS上海研究院以及AWS MXNet Science Team共同开源了一个面向图神经网络及图机器学习的全新框架，命名为Deep Graph Library（DGL）。

       用于图上的深度学习，支持PyTorch、MXNet等多种深度学习框架

 

RDKit

        RDKit 是一款开源化学信息学与机器学习工具包，提供C++ 和python 的API 接口。

        RDKit提供各种功能，如不同的化学I/O格式，包括SMILES/SMARTS，结构数据格式（SDF），Thor数据树（TDT），Sybyl线符号（SLN），Corina mol2和蛋白质数据库（PDB）。子结构搜索; 标准SMILES; 手性支持；化学转化；化学反应；分子序列化；相似性/多样性选择；二维药效团；分层子图/片段分析; Bemis和Murcko骨架；逆合成组合分析程序（RECAP）; 多分子最大共同亚结构；功能图；基于形状的相似性；基于RMSD的分子分子比对；基于形状的对齐；使用Open3-DALIGN算法的无监督分子-分子比对；与PyMOL进行3D可视化集成；功能组过滤；分子描述符库；相似图；机器学习等等。
 

MDTraj

        由斯坦福的Vijey Pande组开发并维护，2016年Biophysical Journal年度highlight之一，是现在非常流行的分子模拟轨道分析库: (1