新建
空间站广场
论文
Notebooks
比赛
课程
Apps
我的主页
我的Notebooks
我的论文库
我的足迹
我的工作空间
任务
节点
文件
数据集
镜像
项目
数据库
S-MolSearch
基于深度学习和分子3D结构的分子搜索工具
已订阅
9
更新时间
2024-11-08
Uni-Mol深度学习分子搜索
Uni-Mol深度学习分子搜索
zhougm@dp.tech
wangz@dp.tech
APP介绍
使用手册
讨论区
App简介
S-MolSearch 基于深度学习和分子3D结构的分子搜索工具
最佳实践
输入:
Input File:支持单分子的sdf文件或smiles文件,smiles需要存到文件里第一行
Thres Top:控制搜索相似分子的数量(由于数据库规模限制,可能会出现召回数量小于此上限的情况)
我们也提供了sdf和smiles的示例文件
- 在Input File处,点击“从Bohrium平台选择",来源方式选择“示例数据”,即可选择sdf_example或smiles_example
输出:
在outputs下的result.csv文件,包括按相似度从大到小排序的分子smiles和相似度
参考文献
S-MolSearch: 3D Semi-supervised Contrastive Learning for Bioactive Molecule Search
https://openreview.net/pdf?id=wJAF8TGVUG
Uni-Mol: A Universal 3D Molecular Representation Learning Framework
https://openreview.net/pdf?id=6K2RM6wVqKu
引用格式
@inproceedings{ zhou2024smolsearch, title={S-MolSearch: 3D Semi-supervised Contrastive Learning for Bioactive Molecule Search}, author={Gengmo Zhou and Zhen Wang and Feng Yu and Guolin Ke and Zhewei Wei and Zhifeng Gao}, booktitle={The Thirty-eighth Annual Conference on Neural Information Processing Systems}, year={2024}, url={https://openreview.net/forum?id=wJAF8TGVUG} } @inproceedings{ zhou2023unimol, title={Uni-Mol: A Universal 3D Molecular Representation Learning Framework}, author={Gengmo Zhou and Zhifeng Gao and Qiankun Ding and Hang Zheng and Hongteng Xu and Zhewei Wei and Linfeng Zhang and Guolin Ke}, booktitle={The Eleventh International Conference on Learning Representations }, year={2023}, url={https://openreview.net/forum?id=6K2RM6wVqKu} }
推荐App
Molecule Recognition
分子结构识别和编辑工具,支持图片和PDF上传Uni-Fold
高精度蛋白质结构预测工具,支持蛋白复合物、同源高聚体预测Uni-Mol Docking V2
使用Uni-Mol Docking V2进行分子-蛋白配体复合物结构预测。Uni-QSAR
Uni-QSAR是深势自研的QSAR建模平台, 它提供了一种基于人工智能(AI)的快速建模能力,允许用户基于自有数据进行建模。该平台拥有用户友好的操作流程,即便是没有机器学习背景的从业人员也能轻松上手,无需深入了解算法的复杂细节。Uni-pKa
热力学原理 + 预训练建模 = 准确pka预测Target Fishing
支持大规模蛋白数据库的反向筛选以预测给定化合物的所有可能靶标