Mol2vec | 一种无监督机器学习方法的分子亚结构向量表示

最新推荐文章于 2024-05-28 09:43:10 发布
最新推荐文章于 2024-05-28 09:43:10 发布
阅读量4k 收藏 10
点赞数 2
分类专栏： RDKit | 化学信息学与AI 文章标签： 化学信息学 机器学习 Python RDKit
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/u012325865/article/details/102395893
版权

 Mol2vec

 

        受自然语言处理技术的启发，这里介绍Mol2vec是一种无监督的机器学习方法，用于学习分子亚结构的向量表示。就像Word2vec模型一样，密切相关的单词的向量在向量空间中非常接近，Mol2vec可以学习指向化学相关子结构的相似方向的分子子结构的向量表示。通过将各个子结构的向量求和，最终可以将化合物编码为向量，例如，将其馈入有监督的机器学习方法中以预测化合物的性质。通过在由所有可用化学物质组成的所谓化合物主体上训练无监督的机器学习方法，可以获取底层的子结构矢量嵌入。生成的Mol2vec模型进行一次预训练，产生密集的矢量表示，并克服了常见复合特征表示的缺点，例如稀疏性和位冲突。在几个化合物特性和生物活性数据集上证明了预测能力，并将其与作为参考化合物表示形式的Morgan指纹图谱的结果进行了比较。 Mol2vec可以轻松地与ProtVec结合使用，后者对蛋白质序列采用相同的Word2vec概念，从而产生了一种蛋白质化学计量学方法，该方法不依赖于比对，因此也可以轻松用于序列相似性低的

了解本专栏 订阅专栏 解锁全文 超级会员免费看
DrugAI
关注
专栏目录
订阅专栏
mol2vec 分子向量相似度算法
weixin_42357472的博客
10-21 752
需要把github项目下载下来才能正常使用；gensim版本安装3.6，不要安装大于等于4。参考：https://github.com/samoturk/mol2vec。
ChemBERTa 化合物小分子的向量表示及相似检索
weixin_42357472的博客
11-23 1158
参考：https://arxiv.org/pdf/2209.01712.pdf模型是基于分子simles进行transformer的MLM预训练的bert模型。
Mol2vec: Unsupervised Machine Learning Approach with Chemical Intuition
professor_xxx的博客
03-22 228
skip-gram, predict the context on the basis of a word（从上下文预测词）.A key assumption of the Mol2vec approach is that related functional groups and molecules are close in the generated vector space.（Mol2vec设想相似的结构在高维度表示上会接近）
探索创新的药物设计：Mol2vec——分子表示学习框架
最新发布
gitblog_00084的博客
05-28 513
探索创新的药物设计：Mol2vec——分子表示学习框架 mol2vecMol2vec - an unsupervised machine learning approach to learn vector representations of molecular substructures项目地址:https://gitcode.com/gh_mirrors/mo/mol2vec 项目简介 [M...
anaconda环境下mol2vec安装
scuwr的博客
07-27 1249
github上下载zip文件 下载成功后解压 文件中setup.py文件是我们要用到的，进入anaconda 终端，cd+文件路径到你的解压文件夹中 跨盘操作需要cd /d 来进行，然后执行python setup.py build 再执行python setup.py install 在终端进入anaconda 安装环境下的scripts文件夹，执行pip install mol2vec，成功后出现如下标志 在scripts文件夹中再安装的目的是能够在jupyter环境中使用， ...
mol2Vec 分子矢量计算
06-09
mol2Vec是一种分子表示方法，它将分子结构表示为向量形式，可以用于计算分子间的相似性和进行机器学习等应用。mol2Vec使用的是分子的化学信息，如原子类型、键类型、分子结构等，将其转化为向量表示。这种表示方法...
Smiles2vec | 用于预测化学性质的深度神经网络
DrugAI
09-18 4057
作者丨王建民单位丨超级计算长沙中心，湖南大学研究方向丨药物设计、生物医药大数据Smiles2vec简而言之，它是自然语言处理（NLP）领域的一项技术，可将字符串转换为向量。许多人用SMI...
基于Smiles2vec预测化合物物理性质
DrugAI
09-16 3344
Smiles2vec 简而言之，它是自然语言处理（NLP）领域的一项技术，可将字符串转换为矢量。 许多人用smiles字符串预测物理属性。 Smiles2vec的结构 将字符串转换为矢量是NLP领域的一项技术名为Seq2Seq。 在没有学习的情况下简单地解释它，它经常被用在“机器对话和机器翻译等模型”中。 该技术基于递归神经网络的思想使用诸如LSTM和GRU的层。 下图显示了原始论文中...
DeepGS：Deep Representation Learning of Graphs and Sequences for DTA | CNN,GAT,BiGRU,Prot2Vec
xxxxxxbaby的博客
10-25 2385
DeepGS: Deep Representation Learning of Graphs and Sequences for Drug-Target Binding Affinity Prediction（DTA） 这是一篇预测药物和靶标结合亲和力的文章，发表在ECAI2020上。文章最大的创新点在于首次提出三通道，在此之前都是使用二通道预测。 ECAI 2020：European Conference on Artificial Intelligence 欧洲人工智能会议 一、Introduct
基于深度学习的质谱数据预测分子亚结构
03-28
基于深度学习的质谱数据预测分子亚结构
biovec:代表生物序列的新方法
05-05
BioVec 代表生物序列的新方法。 该算法来自本文：“ ” 安装 克隆后在本地安装。 快速开始 import biovec pv = biovec.models.ProtVec("some_fasta_file.fasta", corpus_fname="output_corpusfile_path.txt", n=3) # The n-gram "QAT" should be trained in advance pv["QAT"] # convert whole amino acid sequence into vector pv.to_vecs("ATATQSQSMTEEL") # convert multi-sequence FASTA file to a numpy array of protvec vectors (axis 0 = sample axis) # seqty
context2vec:此代码从句子中提取上下文嵌入
05-08
context2vec 此代码从句子中提取上下文嵌入。 该模型在本文中进行了解释-坎布里亚E，波里亚S，哈扎里卡D，郭K。SenticNet 5：通过上下文嵌入发现用于情感分析的概念原语。 AAAI会议论文集。 接触： 苏贾尼亚·波里亚（Soujanya Poria） 电子邮件
图的向量化表示概述
baidu_34720411的博客
01-23 5548
  图的向量化表示，意即通过多维向量空间中的一点来表示一个图的特征，方便使用机器学习的方法对其进行分类操作。   首先讨论怎么从一副普通的图像中提取出特征图：   原图是（a），然后对其做碎片化，得到图（b），对原图做二值化得到图（c），图（b）和图（c）叠合得到图（d）。对于图（d）做下列定义：   各个色块被定义为特征图的各个节点，节点编号集合是颜色集合{黑，蓝，棕，绿，灰，橙，粉，紫，红，白...
从图片中（批量）提取化学/分子结构——使用python进行批量提取（代码示例）
路过人间，一叶知秋
07-09 6045
如有不懂，留言评论 化学分子结构识别 首先推荐有兴趣和时间的小伙伴读一篇文章 https://jcheminf.biomedcentral.com/articles/10.1186/s13321-020-00465-0 这篇文章给出了众多在线和离线工具的介绍和评估。 易用的在线平台推荐 我个人使用过两个在线平台 https://cactus.nci.nih.gov/cgi-bin/osra/index.cgi（https://cactus.nci.nih.gov/osra/） 这是流传甚广的一个在线ap
Google研究 | 使用机器学习预测分子性质
谷歌开发者
05-03 1494
文 | Google Brain 团队研究员 George Dahl 最近，在化学行业涌现了许多激动人心的机器学习 (ML) 应用，特别是在解决化学检索问题方面，从药物发现和电池设计到寻找更好的 OLED 和催化剂，层出不穷。历史上，化学家一直使用薛定谔方程式的数值逼近（例如密度泛函理论 (DFT)）来进行此类化学检索。 然而，计算这些近似值的开销限制了检索的规模。为了实现更大规模的检
【机器学习开放项目】自然语言处理的向量空间模型
weixin_42825609的博客
02-01 230
自然语言处理中的许多任务只能在对文本理解很浅显的情况下实现。 Many tasks in natural language processingcan be performed with only very shallow understanding of text. 向量空间模型是一个有用但浅显的数据表示示例，它已成功地用于许多任务，包括检测同义词、查找类比和学习名词短语的属性。 The vec...
Python脚本：将mol2分子库文件拆分为单个mol2文件
DrugAI
07-12 4047
如题：将mol2分子库文件拆分为单个mol2文件 用法： python split_multimol2.py multi-mol2.mol2 out_dir 注释：python 脚本文件 mol2分子库 输出目录 split_multimol2.py： #Python2 or Python3 #AspirinCode 2018 #Script that splits a multi-...
Word2Vec (Part 2): NLP With Deep Learning with Tensorflow (CBOW)
xiaocong1990的博客
06-15 980
Tensorflow上其实本来已经有word2vec的代码了，但是我第一次看的时候也是看得云里雾里，还是看得不太明白。并且官方文档中只有word2vec的skip-gram实现，所以google了一下，发现了这两篇好文章，好像也没看到中文版本，本着学习的态度，决定翻译一下，一来加深一下自己的理解，二来也可以方便一下别人。第一次翻译，如有不当，欢迎指出。     原文章地址：     W
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

DrugAI

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