跳转到正文

DGL-LifeSci

DGL-LifeSci 是基于 DGL 和 PyTorch 的化学与生物图神经网络工具包，提供分子建模组件与示例。

条目更新 ·

GitHub / Repository ↗文档 ↗
关注

公开链接：https://chemaiatlas.com/zh/open-source/dgl-lifesci/

认领此资源

概览

项目提供分子图处理、模型和训练示例，服务于化学图学习开发。它是工具包，不应因包含模型而直接描述为独立 Agent。

限制

README 的 DGL、PyTorch 与 RDKit 要求较旧；观察到的默认分支最近提交也较早，当前依赖兼容性未实测。

主要功能

  • 分子图学习工具
  • 化学与生物建模示例

使用场景

  • 构建分子性质预测流程
  • 复现分子图学习示例

使用方式

按照 README 检查依赖，安装 dgllife，在独立环境先运行一个官方示例。记录 DGL、PyTorch 和 RDKit 版本。

相关资源

ChemBERTa

模型

ChemBERTa 提供用于化学 SMILES 的类 BERT 模型，包括采用 RoBERTa 掩码语言建模的检查点，以及用于预训练、微调和分子性质预测研究的笔记本。

开源Python

分子性质预测

更新于

ChemML

开源工具

ChemML 是一套用于化学与材料数据分析、挖掘和建模的 Python 工具，采用模块化设计，并有关于图神经网络、AutoML 和可解释性的工作记录。

开源Python

分子性质预测 · 材料发现

更新于

Chemprop

模型

Chemprop 是一个基于 PyTorch 的工具包，用于训练和评估进行分子性质预测的消息传递神经网络，并提供命令行工作流、Python 模块和针对特定任务的笔记本。

开源Python

分子性质预测

更新于

DeepMol

开源工具

DeepMol 是一个用于分子机器学习的 Python 工具包，可将化合物标准化和特征化与模型训练、评估、解释及可复用工作流连接起来。

开源Python

分子性质预测

更新于

DimeNet

模型

DimeNet 提供 DimeNet 和 DimeNet++ 的参考实现，用于分子图上的方向性消息传递，并包含训练笔记本、测试集预测工作流和预训练模型。

Python

分子性质预测 · 量子化学

更新于

DrugAgent (Liu et al.)

智能体

DrugAgent 是一个研究型多智能体框架，它结合 LLM 规划与领域指导的代码生成，用于构建和评估药物发现领域的机器学习工作流。

分子性质预测 · 药物发现

更新于

相关指南