发现资源

面向催化的原子级建模工作流，基于 fairchem 使用预训练 UMA 模型和 ASE 计算器进行表面弛豫、能量预测和分子动力学模拟。

材料发现

SPICE 提供量子力学能量、力及其他分子性质，可用于训练机器学习势，重点涵盖类药小分子与蛋白质相互作用。

量子化学 · 科学数据

ANI-1 提供计算得到的非平衡分子构象，并附有 Python 读取器，用于访问包含有机分子坐标和能量的 HDF5 文件。

量子化学

GEOM 提供 3,700 万个分子构象，涵盖超过 450,000 个分子，并标注能量和统计权重；数据包含 MessagePack、RDKit 对象以及加载和分析教程。

分子生成 · 计算化学

Matbench Discovery 对机器学习模型在晶体稳定性和原子模拟任务中的表现进行基准评估，并通过交互式排行榜比较准确性、稳健性和计算成本。

材料发现

Matbench 提供 13 项经过整理的材料科学机器学习任务，用于对性质预测方法进行基准测试，并提供基准数据、排行榜和可通过 pip 安装的软件包。

材料发现

Open Reaction Database 提供结构化反应数据集，文件格式为包含 Protobuf 记录的 Parquet，并提供镜像下载以及用于流式访问和文本或 JSON 转换的 ord_schema 工作流。

反应预测 · 科学数据

Therapeutics Data Commons 提供治疗领域的机器学习数据集、Python 加载器、数据划分、评估指标和基准测试，供预测与分子生成研究使用。

分子性质预测 · 药物发现

MOSES 将源自 ZINC 的分子数据集、生成基线模型和评估指标结合起来，用于基准测试生成分子的有效性、多样性和新颖性。

分子生成

GuacaMol 是一个用于从头分子设计的 Python 基准测试包，提供分布学习和目标导向评估，以及标准化的 ChEMBL 衍生数据集。

分子生成

REINVENT 是一个 Python 分子设计工具包，利用生成模型、强化学习和迁移学习，按需生成和优化小分子。

分子生成 · 药物发现

RetroXpert 是一种两阶段逆合成研究实现：先预测产物的键断裂，再使用基于 OpenNMT 的模型从合成子生成反应物。

逆合成

LocalRetro 是一个使用局部反应模板进行逆合成预测的研究实现，提供模板提取、模型训练、测试以及解码预测反应物的工作流程。

逆合成

RxnMapper 利用无监督 ALBERT 模型的注意力机制，为有效的反应 SMILES 分配原子映射，并通过 Python 接口返回映射反应和置信度分数。

化学信息学 · 反应预测

DECIMER 使用 EfficientNet-V2 和 transformer 将化学结构图像转换为预测的 SMILES，并提供 Python 预测接口；此外还单独介绍了一种手绘结构模型。

化学结构识别

MolScribe 是一种图像到图模型，可将分子示意图转换为化学结构，并输出 SMILES 和 molfile，还可选择输出原子、键及置信度信息。

化学结构识别

TANKBind 是一种研究模型，用于预测蛋白质–配体结合结构和亲和力；其代码仓库提供用于预测、数据集准备、自对接评估和虚拟筛选的笔记本。

药物发现

EquiBind 是一种 SE(3)-等变模型，可直接根据蛋白质–配体结构预测受体结合位置和配体姿势，并提供推理与训练工作流。

药物发现

DiffDock 使用基于扩散的模型预测蛋白质–小分子结合构象，支持单个复合物和批量推理、基于序列的蛋白质输入，以及构象置信度评分。

药物发现

用于生成 3D 分子的 E(3) 等变扩散模型官方研究代码，包含 QM9 和 GEOM-Drugs 训练工作流、样本分析及性质条件生成。

分子生成