モデル

LocalRetro は、局所反応テンプレートを用いた逆合成予測の研究実装で、テンプレート抽出、モデル学習、テスト、予測反応物のデコードを行うワークフローを提供します。

逆合成

RxnMapperは、教師なしALBERTモデルの注意機構を用いて、有効な反応SMILESに原子マッピングを割り当て、Pythonインターフェースを通じてマッピング済み反応と信頼度スコアを返します。

ケモインフォマティクス · 反応予測

DECIMERはEfficientNet-V2とtransformerを用いて化学構造画像から予測SMILESを生成し、Pythonによる予測インターフェースを提供します。また、手描き構造向けのモデルも別途紹介されています。

化学構造認識

MolScribe は、分子図を化学構造に変換する画像からグラフへのモデルです。SMILES と molfile を出力し、原子、結合、信頼度に関する情報も任意で出力できます。

化学構造認識

TANKBindは、タンパク質–リガンド結合構造と親和性を予測する研究モデルです。リポジトリには、予測、データセット準備、セルフドッキング評価、バーチャルスクリーニング用のノートブックが含まれています。

創薬

EquiBind は、タンパク質–リガンド構造から受容体の結合位置とリガンドのポーズを直接予測する SE(3) 等変モデルであり、推論および学習のワークフローを備えています。

創薬

DiffDockは拡散ベースのモデルを用いてタンパク質–低分子の結合ポーズを予測します。単一複合体およびバッチ推論、配列ベースのタンパク質入力、ポーズの信頼度スコアに対応しています。

創薬

3D分子を生成するE(3)等変拡散モデルの公式研究コード。QM9およびGEOM-Drugsの学習ワークフロー、サンプル分析、物性条件付き生成を含みます。

分子生成

GeoDiff は分子コンフォメーション生成のための幾何拡散モデルであり、GEOM に基づく学習、チェックポイントからのサンプリング、コンフォメーションおよび物性の評価を行う公式コードを提供します。

分子生成 · 計算化学

GraphAF は分子グラフ生成のためのフローベース自己回帰モデルです。参照コードへのリンクがあり、README の更新では TorchDrug にある実装も案内されています。

分子生成

JT-VAEは、分子グラフ生成のためのJunction Tree Variational Autoencoder公式実装であり、VAEの学習コードと、ベイズ最適化および特性予測器の共同学習用スクリプトを備えています。

分子生成

MoFlow は可逆な分子グラフ生成モデルであり、QM9 と zinc250k を対象とした学習、再構築、潜在空間サンプリング、補間、物性最適化のワークフローが文書化されています。

分子生成

MolGPT は、MOSES および Guacamol データセットで次トークン予測を用いて小規模なカスタム GPT を訓練し、無条件および条件付きの分子生成に用います。訓練済みの重みと、Ecco に基づく顕著性分析へのリンクもあります。

分子生成

ChemBERTa は、化学 SMILES 向けの BERT 類似モデルを提供します。RoBERTa によるマスク言語モデリングのチェックポイントと、事前学習、ファインチューニング、分子特性予測の研究向けノートブックが含まれます。

分子特性予測

GraphMVPは、事前学習時に2Dトポロジーと3D幾何情報を組み合わせ、その後の下流分類・回帰タスクでは2Dグラフを使用する、分子表現学習の研究実装です。

分子特性予測

GROVER は、分子グラフの事前学習済み Transformer と、自己教師あり事前学習、物性予測のファインチューニング、推論、評価、分子フィンガープリント生成のための PyTorch ワークフローを提供します。

分子特性予測

MolCLRは、ラベルなし分子を用いてグラフニューラルネットワークを事前学習し、下流の分子特性予測に向けたファインチューニングを支援する分子コントラスト学習フレームワークです。

分子特性予測

Uni-Molは、分子およびタンパク質ポケットのモデルを備え、物性予測、配座モデリング、ドッキング向けの関連ツールをサポートする3D分子表現学習フレームワークです。

分子特性予測 · 分子生成

GemNetは、幾何学的メッセージパッシングモデルを用いて分子エネルギーと原子に作用する力を予測するPyTorch参照実装で、学習、ASEを用いた予測、分子動力学のノートブックを備えています。

分子特性予測 · 計算化学

DimeNetは、分子グラフ上の方向性メッセージパッシングに用いるDimeNetおよびDimeNet++の参照実装を提供し、学習ノートブック、テストセット予測ワークフロー、事前学習済みモデルを含みます。

分子特性予測 · 量子化学