Obliczeniowa chimiya та obliczeniowa chimiya

Reprezentacje molekularne

SMILES

Koncept: Tekstowa reprezentacja molekuł.

Wady: Kompaktowana, czytelna dla człowieka.

Wady: Nie jest jednoznaczna, nie strukturalna.

Grafy molekularne

Koncept: Atomów jako wierzchołków, wiązań jako krawędzi.

Wady: Strukturalne, dobrze nadają się do GNNs.

Zastosowania: GNNs dla molekuł.

Metody uczenia maszynowego (ML)

Sieci neuronowe grafowe

Modely: GCN, GAT, MPNN dla molekuł.

Zastosowania: prognoza właściwości, klasyfikacja.

Wady: skuteczne dla molekuł.

Modely generatywne

VAE: Autoencodery wariacyjne dla molekuł.

GAN: Sieci konkurencyjne generatywne.

Zastosowania: projektowanie od podstaw leków.

Przykładowe Zastosowania

Przykład 1: Przewidywanie Właściwości Molekuł z GNN

Wykres: Utwórz graf molekularny na podstawie SMILES.

GNN: Trening MPNN do przewidzenia właściwości.

Przewidywanie: Przewiduj właściwości nowych molekul.

Weryfikacja: Porównaj z danymi eksperymentalnymi.

Przykład 2: Nowy Design Leczących Substancji od Naczynia

Generator: Trening VAE lub RL do generowania molekuł.

Generowanie: Generuj nowe molekuły.

Filtracja: Filtruj według właściwości, ważności.

Optymalizacja: Optymalizuj dla docelowych właściwości.

Spróbuj to w czasie rzeczywistym

Wszystko powyżej działa w Twojej przeglądarce — otwórz Computational Chemistry и обчислювальна хімія i zmieniaj parametry podczas działania modelu. Nic nie instalujesz, nic nie przesyłasz, cała модель istnieje w jednym zakładku.