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

你可能感兴趣的:(RDKit,化学信息学与AI)