#3 · 主分类： 生物信息学与基因组学
chemprop
用于分子性质预测的消息传递神经网络
项目最后更新：08/21/26
GitHub Stars
2.4K
Forks数量
757
贡献者数量
87
许可证
Other
收录理由
把分子结构转成可靠的性质预测，是化学家和做计算药物发现的人经常要面对的实际问题，而Chemprop正是解决这个问题的常用工具之一。它采用消息传递神经网络，直接从分子图和SMILES输入学习，省去了手动构造特征向量的麻烦。用整理好的数据集训练后，它可以预测水溶性、毒性等指标，而且自带的命令行工具、Python接口和示例笔记本能让你很快跑通第一个模型。2.x版本对包进行了重构，设计更模块化、更容易扩展，在默认配置之上添加自定义的特征化器或网络层也变得更方便。对于小分子筛选和ADMET评估这类工作，它是个实用的起点，省得自己从零实现消息传递的那套机制。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
deepvariant
DeepVariant是一个分析流程，利用深度神经网络从下一代DNA测序数据中识别遗传变异。
scanpy
Python中的单细胞分析。可扩展至超过1亿个细胞。
Assemblies-of-putative-SARS-CoV2-spike-encoding-mRNA-sequences-for-vaccines-BNT-162b2-and-mRNA-1273
提供COVID-19疫苗mRNA的实验序列数据，以促进RNA-seq研究中疫苗来源读段的识别。
scvi-tools
单细胞和空间组学数据的深度概率分析
alphafold3-pytorch
在Pytorch中实现Google Deepmind的Alphafold 3