Modelado Químico Predictivo / QSAR / SMILES / RDKit / chemprop / TorchHola aficionados a la química,
¿Alguien tiene experiencia con los paquetes de Python RDKit o chemprop ? Un químico de P&G los mencionó recientemente y pensó que podrían encajar bien en Torch para predecir propiedades químicas de las cuerdas SMILES.
Resulta que esta área ha sido un tema de investigación muy activo en los últimos años e incluso ahora existen algunos conjuntos de datos de referencia públicos interesantes en sitios como https://moleculenet.org/ .
He estado buceando en los últimos días y tengo prototipos de modelos de lenguaje estilo BERT ejecutándose en el complemento Torch que están previamente entrenados en grandes colecciones de cadenas SMILES. Ahora también tiene una integración inicial con la API C++ de RDKit, que permite el cálculo directo de características numéricas de huellas dactilares de estilo QSAR clásico utilizando cadenas SMILES como entrada. Estos pueden alimentar redes neuronales de perceptrón multicapa o de paso de mensajes, así como la mayoría de nuestras plataformas de análisis.
Dado que la química es posiblemente la rama de la ciencia más importante para JMP actualmente (con aplicaciones claras en nuestras cuatro principales áreas de enfoque de ventas), planeo seguir con esto para futuras versiones y buscar cualquier comentario u orientación que puedan brindarme.
Planeando crear una nueva página de Confluence pronto.
Re: Modelado predictivo químico / QSAR / SMILES / RDKit / chemprop / TorchHola @russ_wolfinger ,
Conozco algunos usuarios que crean funciones usando RDKit y las usan en un modelo predictivo. De vez en cuando, los usuarios del departamento de I+D de una empresa química me preguntan si es posible crear funciones de SMILES en JMP. Yo mismo usé un poco RDKit para entender lo que dicen los usuarios.
Creo que el modelo de lenguaje estilo BERT que está intentando crear sería de interés para algunos de nuestros usuarios. Si puedo ayudar de alguna manera, hágamelo saber.
Yuichi
Re: Modelado predictivo químico / QSAR / SMILES / RDKit / chemprop / TorchGracias @yuichi_katsumur Y ¡GUAU! Acabo de ver su nuevo complemento Python para RDKit, ¡increíble!
Kit de herramientas para informática de materiales - Comunidad de usuarios de JMP
Re: Modelado predictivo químico / QSAR / SMILES / RDKit / chemprop / TorchUna colección de pequeños conjuntos de datos con cadenas SMILES se encuentra en \\jmpsrv01\Users\Wolfinger\SMILES\ y también hice una copia de la misma carpeta en nuestro nuevo servidor Windows equipado con NVIDIA en el archivo \\tdl\Public\SMILES\ . Estos son en su mayoría de MoleculeNet y chemprop.
Notará algunos scripts integrados para Torch en estas tablas (así como también las ejecuciones de guardado de archivos .jrn que he realizado), que requieren los nuevos modelos de lenguaje químico estilo BERT. Planearemos agregarlos al complemento y, por ahora, puede encontrarlos en \\tdl\Public\ChemicalTextModels\ , cuyo contenido deberá copiar luego en la subcarpeta de texto del complemento local, por ejemplo, el mío es
C:\Users\sasrdw\AppData\Roaming\JMP\JMP\Addins\com.jmp.torchdeeplearning\lib\18\text\
Reinicie JMP Pro y los nuevos modelos químicos aparecerán en la lista desplegable Modelo de texto. Actualmente, el orden de la lista está al revés y lo solucionaremos en 18.1.
La variable de cadena SMILES debe configurarse en Tipo de modelado Texto no estructurado para funcionar en Torch.
Según todos los indicios, estos son algunos modelos químicos increíbles y funcionan bien en casi todos los ejemplos que he probado hasta ahora. Hay un caso en el que el modelo de red neuronal de paso de mensajes de chemprop parece funcionar mejor: estamos investigando su posible implementación.
