DGL & RDKit | 基于Attentive FP的分子性质线性模型

基于分子图的深度学习在化学和药物领域非常热门。

2019年8月13日JMC(Journal of Medicinal Chemistry)刊登了一篇文章“Pushing the Boundaries of Molecular Representation for Drug Discovery with the Graph Attention Mechanism”,介绍了一种基于注意力机制的图神经网络模型(Attentive FP)。该模型可以用于分子表征,在多个药物发现相关的数据集上的预测表现达到当前最优,并且该模型所学到的内容具有可解释性。

DGL & RDKit | 基于Attentive FP的分子性质线性模型_第1张图片 Attentive FP DGL & RDKit | 基于Attentive FP的分子性质线性模型_第2张图片 Attentive FP总体框架以及与同类的图神经网络模型比较

DGL具有许多用于化学信息学、药物与生物信息学任务的函数。

DGL开发人员提供了基于DGL实现的Attentive FP模型, 基于Attentive FP探索分子性质预测的线性模型。

 

基于Attentive FP的分子性质线性模型

你可能感兴趣的:(RDKit,化学信息学与AI)