当前位置: X-MOL 学术arXiv.cs.LG › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
使用深度生成模型学习 3D 分子结构的连续表示
arXiv - CS - Machine Learning Pub Date : 2020-10-17 , DOI: arxiv-2010.08687
Matthew Ragoza, Tomohide Masuda, David Ryan Koes

药物发现中的机器学习一直专注于使用判别模型对分子库进行虚拟筛选。生成模型是一种完全不同的方法,它学习在连续的潜在空间中表示和优化分子。这些方法在生成二维分子作为 SMILES 字符串和分子图方面越来越成功。在这项工作中,我们使用原子密度网格和一种将连续网格转换为离散分子结构的新型拟合算法来描述三维分子结构的深度生成模型。我们的模型共同表示潜在空间中的类药物分子及其构象,可以通过插值进行探索。



"点击查看英文标题和摘要"

更新日期:2020-11-17
down
wechat
bug