SwePub
Sök i LIBRIS databas

  Utökad sökning

L773:2632 2153
 

Sökning: L773:2632 2153 > (2021) > Graph networks for ...

Graph networks for molecular design

Mercado, Rocio, 1992 (författare)
AstraZeneca AB
Rastemo, Tobias (författare)
Chalmers tekniska högskola,Chalmers University of Technology,AstraZeneca AB
Lindelöf, Edvard, 1992 (författare)
Chalmers tekniska högskola,Chalmers University of Technology,AstraZeneca AB
visa fler...
Klambauer, Gunter (författare)
Johannes Kepler Universität Linz (JKU),Johannes Kepler University of Linz (JKU)
Engkvist, Ola (författare)
AstraZeneca AB
Chen, Hongming (författare)
Bjerrum, Esben Jannik (författare)
AstraZeneca AB
visa färre...
 (creator_code:org_t)
2021-03-02
2021
Engelska.
Ingår i: Machine Learning: Science and Technology. - : IOP Publishing. - 2632-2153. ; 2:2
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • Deep learning methods applied to chemistry can be used to accelerate the discovery of new molecules. This work introduces GraphINVENT, a platform developed for graph-based molecular design using graph neural networks (GNNs). GraphINVENT uses a tiered deep neural network architecture to probabilistically generate new molecules a single bond at a time. All models implemented in GraphINVENT can quickly learn to build molecules resembling the training set molecules without any explicit programming of chemical rules. The models have been benchmarked using the MOSES distribution-based metrics, showing how GraphINVENT models compare well with state-of-the-art generative models. This work compares six different GNN-based generative models in GraphINVENT, and shows that ultimately the gated-graph neural network performs best against the metrics considered here.

Ämnesord

NATURVETENSKAP  -- Data- och informationsvetenskap -- Annan data- och informationsvetenskap (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Sciences -- Other Computer and Information Science (hsv//eng)
NATURVETENSKAP  -- Data- och informationsvetenskap -- Bioinformatik (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Sciences -- Bioinformatics (hsv//eng)
TEKNIK OCH TEKNOLOGIER  -- Elektroteknik och elektronik -- Datorsystem (hsv//swe)
ENGINEERING AND TECHNOLOGY  -- Electrical Engineering, Electronic Engineering, Information Engineering -- Computer Systems (hsv//eng)

Nyckelord

Molecular design
Deep generative models
Graph neural networks
Drug discovery

Publikations- och innehållstyp

art (ämneskategori)
ref (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy