基于分子圖的深度學習在化學和藥物領域非常熱門。

2019年8月13日JMC（Journal of Medicinal Chemistry）刊登了一篇文章“Pushing the Boundaries of Molecular Representation for Drug Discovery with the Graph Attention Mechanism”，介紹了一種基于注意力機制的圖神經網絡模型（Attentive FP）。該模型可以用于分子表征，在多個藥物發現相關的數據集上的預測表現達到當前最優，并且該模型所學到的內容具有可解釋性。

Attentive FP Attentive FP總體框架以及與同類的圖神經網絡模型比較

DGL具有許多用于化學信息學、藥物與生物信息學任務的函數。

DGL開發人員提供了基于DGL實現的Attentive FP模型， 基于Attentive FP探索分子性質預測的線性模型。

 

總結

以上是生活随笔為你收集整理的DGL RDKit | 基于Attentive FP的分子性质线性模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。