Modellazione predittiva chimica / QSAR / SMILES / RDKit / chemprop / TorchEhi appassionati di chimica,
Qualcuno ha esperienza con i pacchetti Python RDKit o chemprop ? Un chimico della P&G li ha menzionati di recente e ha pensato che potessero essere adatti a Torch per prevedere le proprietà chimiche delle stringhe SMILES.
Risulta che quest'area è stata un argomento di ricerca molto attivo negli ultimi anni e ci sono anche ora alcuni bei set di dati di riferimento pubblici su siti come https://moleculenet.org/ .
Mi sono immerso negli ultimi giorni e ho prototipi di modelli linguistici in stile BERT in esecuzione nel componente aggiuntivo Torch preaddestrati su grandi raccolte di stringhe SMILES. Ora è disponibile anche un'integrazione iniziale con l'API C++ di RDKit, che consente il calcolo diretto delle classiche funzionalità di impronta numerica in stile QSAR utilizzando le stringhe SMILES come input. Questi possono alimentare le reti neurali Multilayer Perceptron o Message Passing, nonché la maggior parte delle nostre piattaforme di analisi.
Dato che la chimica è probabilmente la branca scientifica più importante attualmente per JMP (con chiare applicazioni in tutte e quattro le nostre principali aree di interesse delle vendite), ho intenzione di utilizzarla per le versioni future e di cercare feedback o indicazioni che potrete fornirmi.
Stiamo pianificando di elaborare presto una nuova pagina Confluence.
Oggetto: Modellazione predittiva chimica / QSAR / SMILES / RDKit / chemprop / TorchCiao @russ_wolfinger ,
Conosco alcuni utenti che creano funzionalità utilizzando RDKit e le utilizzano in un modello predittivo. Occasionalmente mi viene chiesto dagli utenti del dipartimento di ricerca e sviluppo di un'azienda chimica se è possibile creare funzionalità da SMILES in JMP. Ho usato un po' RDKit per capire cosa dicono gli utenti.
Credo che il modello linguistico in stile BERT che stai cercando di creare potrebbe interessare alcuni dei nostri utenti. Se posso aiutare in qualche modo, per favore fatemelo sapere.
Yuichi
Oggetto: Modellazione predittiva chimica / QSAR / SMILES / RDKit / chemprop / TorchGrazie @yuichi_katsumur E WOW! Ho appena visto il tuo nuovo wrapper Python aggiuntivo per RDKit, fantastico!
Toolkit per l'informatica dei materiali - Comunità degli utenti JMP
Oggetto: Modellazione predittiva chimica / QSAR / SMILES / RDKit / chemprop / TorchUna raccolta di piccoli set di dati con stringhe SMILES si trova in \\jmpsrv01\Users\Wolfinger\SMILES\ e ho anche creato una copia della stessa cartella sul nostro nuovo server Windows dotato di NVIDIA nel file \\tdl\Public\SMILES\ . Questi provengono principalmente da MoleculeNet e chemprop.
Noterai alcuni script incorporati per Torch in queste tabelle (così come i file .jrn che salvano le esecuzioni che ho realizzato), che richiedono i nuovi modelli linguistici chimici in stile BERT. Pianificheremo di aggiungerli al componente aggiuntivo e per ora puoi trovarli in \\tdl\Public\ChemicalTextModels\ , il cui contenuto dovrai quindi copiare nella sottocartella di testo del componente aggiuntivo locale, ad esempio il mio è
C:\Utenti\sasrdw\AppData\Roaming\JMP\JMP\Addins\com.jmp.torchdeeplearning\lib\18\text\
Riavviare JMP Pro e i nuovi modelli chimici verranno visualizzati nell'elenco a discesa Modello di testo. L'ordine dell'elenco è attualmente al contrario e lo sistemeremo nella 18.1.
La variabile stringa SMILES deve essere impostata su Tipo di modellazione Testo non strutturato per funzionare in Torch.
A detta di tutti questi sono alcuni modelli chimici kick-%^* e funzionano bene in quasi tutti gli esempi che ho provato finora. C'è un caso in cui il modello di rete neurale chemprop che trasmette messaggi sembra funzionare meglio: ne stiamo studiando la potenziale implementazione.
