Journal of Cheminformatics投稿经验分享

已于 2023-08-30 10:54:59 修改
阅读量298 收藏
点赞数 1
分类专栏： 投稿经验分享 文章标签： 经验分享 深度学习 人工智能 神经网络 python
于 2023-08-17 08:14:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LiRongLu_/article/details/132325895
版权
本文分享了在Journal of Cheminformatics投稿的详细步骤，包括如何登录、选择文章类型、提交word或latex格式文件，以及添加文章信息、作者信息和完成声明。投稿后，作者在2023.8.17当天就收到了编辑的回复邮件。
摘要由CSDN通过智能技术生成

  • 期刊名： Journal of Cheminformatics
  • 期刊名缩写：J CHEMINFORMATICS
  • 期刊ISSN：1758-2946
  • E-ISSN：1758-2946
  • 2023年影响因子/JCR分区：8.6/Q1
  • SCI分区：
    CHEMISTRY, MULTIDISCIPLINARY
    化学综合    		 3区
    COMPUTER SCIENCE, INFORMATION SYSTEMS
    计算机：信息系统    		 2区
    COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS
    计算机：跨学科应用

latex格式：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
编程日记✧
关注
专栏目录
订阅专栏
homebrew-cheminformatics：Homebrew软件包管理器的化学信息公式
02-04
自酿化学信息学 Homebrew软件包管理器的化学格式公式。... brew tap mcs07/cheminformatics 安装您想要的： brew install cdk brew install filter-it brew install helium brew install indigo brew install inchi b
J. Cheminform. | 基于SMILES的利用骨架的分子生成模型
DrugAI
08-12 3066
今天给大家介绍的是瑞典制药公司阿斯利康，伯尔尼大学和广州再生医学与健康中心广东省实验室于2020年2月4日联合发表在Journal of Cheminformatics的一篇论文，这篇文章提出了一种新的基于SMILES的分子生成模型，该模型可从骨架中生成分子，并且可以从任意分子集中进行训练。作者认为这种基于SMILES的生成模型将成为对已经存在的基于SMILES的体系结构的有用补充，并且可以替代基于图的装饰方法。 1 背景 深度生成模型因其可以从有限的数量中生成新数据，目前已成功应用于生成文...
Amber14在Centos6.6下的安装
DawnCan的博客
07-17 2680
Amber14的安装和Amber12相比多了几个依赖库，而且根据以前实验室经验的intel官网下载地址也更换了，以前的intel编译器可以免费使用1年，我没有找到那个版本的，所以就是下载了试用一个月版的，反正可以把Amber解码编译好了就行。 1. 安装intel编译器 intel编译器下载 https://software.intel.com/en-us/intel-paralle
Machine-Learning-for-Cheminformatics
05-19
"Machine-Learning-for-Cheminformatics-master"这个项目可能包含了实现上述概念的代码和数据集，可供研究人员深入研究和实践。通过对这些资源的探索，可以更直观地理解机器学习如何在化学信息学中发挥作用，以及...
Avalon Cheminformatics Toolkit:Avalon工具包，用于基于SMILES的化学信息学服务-开源
04-29
Avalon化学信息学工具包包含用于渲染和规范化SMILES以及处理MOL文件和相关格式以及结构指纹的工具。
mongodb-chemistry:MongoDB 中化学相似性搜索的想法
06-26
MongoDB 化学 MongoDB 中的化学相似性搜索实现，以及性能分析。 有关更多信息，请参阅。 也可以看看： （，） 安装 Mac OS X brew install rdkit mongodb pip install git+...
PubChemPy:适用于PubChem PUG REST API的Python包装器
05-12
公开化学 PubChemPy提供了一种在Python中与PubChem进行交互的方法。 它允许按名称，子结构和相似性进行化学搜索，化学标准化，化学文件格式之间的转换，化学特性的描述和检索。 >> > from pubchempy import get_...
复试经验分享《三、计算机学科专业基础综合》- 数据结构篇
weixin_57165154的博客
10-14 1135
复试经验分享《三、计算机学科专业基础综合》之数据结构，主要介绍了复试时可能会提问到的数据结构的基础知识
AI学习指南深度学习篇-变分自编码器在深度学习中的实际应用
俞兆鹏的博客
10-13 692
变分自编码器是一种生成模型，它通过编码器-解码器结构实现数据的生成与重建。与传统的自编码器不同，VAE在潜在空间中引入了概率分布，使得生成的新样本具有更好的多样性。
【深度学习代码调试1】环境配置篇（上） -- 安装PyTorch（安利方法：移除所有国内源，使用默认源）
定期分享我的发现和想法，感谢你的陪伴和支持
10-16 899
如果之前添加了非官方源（如清华大学镜像源），可能会导致安装冲突或失败。这将从Conda配置中移除所有自定义的频道设置，使Conda恢复为默认配置。安装深度学习框架时，常常会遇到版本不兼容、依赖库冲突等问题。通过合理选择安装源、升级相关库，通常可以解决大部分问题。希望本文的记录能帮助大家顺利完成环境配置，并避免常见的坑。hello，我是是Yu欸。原文链接 👉 ，⚡️更新更及时。欢迎大家添加好友交流。
R2：RNN-心脏病预测
u012249506的博客
10-11 941
左图：训练与验证准确率训练集的准确率（蓝色线）：随着训练次数增加，呈现出平稳上升趋势，最终接近0.92左右，说明模型在训练数据上的拟合效果逐渐变好。验证集的准确率（橙色线）：一开始随着训练迭代次数增加，验证准确率也在提升，但在约20次迭代后，准确率趋于平稳，甚至有一些波动，特别在50次之后，表现出明显的下降和上升不稳定现象。右图：训练与验证损失训练集损失（蓝色线）：损失随着迭代次数逐渐下降，这表明模型在训练集上不断优化，误差减少。
【深度学习】经典的深度学习模型-01 开山之作：CNN卷积神经网络LeNet-5
10-12 478
Note: 草稿状态，持续更新中，如果有感兴趣，欢迎关注。。。
深度学习-28-基于Keras的十大经典算法之长短期记忆网络LSTM
最新发布
qq_20466211的博客
10-18 120
长短期记忆网络LSTM的基本结构介绍，将其输入数据的结构进行可视化显示，同时基于模拟数据搭建了简单的LSTM模型，对数据进行了训练和预测，并显示了训练过程的损失曲线。
基于深度学习的车辆车型检测识别系统（YOLOV5）
ANDROID6666666的博客
10-16 398
本项目旨在开发一个基于深度学习的车辆识别系统，采用先进的yoloV5网络架构，以实现对不同车型的精准识别。系统开发环境选用Pycharm集成开发环境，并结合Anaconda进行环境管理和包依赖的配置。为了确保系统的稳定性和高效性，我们选择了Python 3.8作为开发语言，并集成了opencv、PyQt5以及torch1.9等关键库和框架。在数据方面，准备了总共9000张图片，其中8000张用于训练模型，剩余的1000张用于测试模型的性能。
深度学习速通系列:超长法律文件隐私过滤(基于预训练模型Bert)
Ven%的博客
10-18 232
网上使用bert的中文模型进行命名识别教程少的可怜,摸索了一周的时间,硬是把法律文书的人名全部识别出来了,目前可以达到98.9999%(开玩笑的,不过准确率保守估计是有90%以上).注意:这个法律文书目前只是针对裁决书,其他还没测试过,可支持超长文本识别。bert-base-chinese-ner 下载路径：https://hf-mirror.com/ckiplab/bert-base-chinese-ner （国内镜像，不用魔法也能访问）欢迎各位点个☆Star!下载好，直接放在当前目录下。
corediff_wrapper_demo
yyfhq的博客
10-18 632
return embreturn xreturn xdim = 32nn.GELU(),nn.GELU(),nn.GELU(),nn.GELU(),nn.GELU(),if adjust:else:if adjust:else:if adjust:else:if adjust:else:return outelse:return outmain()
Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类
10-18 635
本文基于凯斯西储大学（CWRU）轴承数据，进行变分模态分解VMD的介绍与数据预处理，最后通过Python实现VMD-CNN-BiGRU-Attenion的时空特征融合多头注意力机制对故障数据的分类。
基于YOLO11/v10/v8/v5深度学习的安检X光危险品检测与识别系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
阿旭的博客
10-11 1350
基于YOLO11/v10/v8/v5深度学习的安检X光危险品检测与识别系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
《深度学习》OpenCV库、Dlib库 人脸检测 案例解析
wx_AHao1004Y的博客
10-17 787
Dlib库是一个适用于C++和Python的第三方库。包含机器学习、计算机视觉和图像处理的工具包，被广泛的应用于机器人、嵌入式设备、移动电话和大型高性能计算环境。是开源许可用户免费使用。
how to use atom pair fingerprint?
05-20
Atom pair fingerprint is a type of molecular fingerprint that encodes the presence or absence of pairs of atoms in a molecule. It is commonly used in cheminformatics to compare molecules and predict their properties. To compute atom pair fingerprint, you can use software packages such as RDKit, Open Babel, or CDK. Here is an example of computing atom pair fingerprint using RDKit in Python: ```python from rdkit import Chem from rdkit.Chem.AtomPairs import Pairs from rdkit.Chem import AllChem # create a molecule object from a SMILES string mol = Chem.MolFromSmiles('CCO') # compute atom pair fingerprint atom_pairs = Pairs.GetAtomPairFingerprint(mol) # convert the fingerprint to a numpy array fp_array = AllChem.DataStructs.ConvertToNumpyArray(atom_pairs) print(fp_array) ``` This will print a numpy array representing the atom pair fingerprint of the molecule 'CCO'. You can then use this fingerprint to compare with other molecules using similarity metrics such as Tanimoto coefficient or cosine similarity.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

编程日记✧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值