Modellazione predittiva chimica / QSAR / SMILES / RDKit / chemprop / TorchEhi appassionati di chimica,
Qualcuno ha esperienza con i pacchetti Python RDKit o chemprop ? Un chimico di P&G li ha menzionati di recente e ha pensato che potessero essere adatti a Torch per prevedere le proprietà chimiche dalle stringhe SMILES.
A quanto pare questo settore è stato oggetto di ricerca molto attivo negli ultimi anni e ci sono ancora alcuni interessanti set di dati di riferimento pubblici su siti come https://moleculenet.org/ .
Ho fatto immersioni negli ultimi giorni e ho prototipi di modelli linguistici in stile BERT in esecuzione nel componente aggiuntivo Torch che sono pre-addestrati su grandi raccolte di stringhe SMILES. Ora ho anche un'integrazione iniziale con l'API C++ di RDKit, che consente il calcolo diretto delle classiche funzionalità di impronte digitali numeriche in stile QSAR utilizzando stringhe SMILES come input. Queste possono essere inserite in reti neurali Multilayer Perceptron o Message Passing, nonché nella maggior parte delle nostre piattaforme di analisi.
Considerando che la chimica è probabilmente la branca scientifica più importante per JMP al momento (con chiare applicazioni in tutte e quattro le nostre principali aree di vendita), ho intenzione di continuare a utilizzarla nelle versioni future e di chiedere qualsiasi feedback o consiglio possiate fornirmi.
Stiamo pianificando di creare presto una nuova pagina Confluence.
Re: 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 fatto una copia della stessa cartella sul nostro nuovo server Windows dotato di NVIDIA nel file \\tdl\Public\SMILES\. Provengono principalmente da MoleculeNet e chemprop.
Noterete alcuni script incorporati per Torch in queste tabelle (oltre ai file .jrn che salvano le esecuzioni che ho fatto), che richiedono i nuovi modelli di linguaggio chimici in stile BERT. Abbiamo intenzione di aggiungerli al componente aggiuntivo e per ora potete trovarli in \\tdl\Public\ChemicalTextModels\ , il cui contenuto dovete poi 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\
Riavvia JMP Pro e i nuovi modelli chimici appariranno nell'elenco a discesa Text Model. L'ordinamento dell'elenco è attualmente al contrario e risolveremo questo problema nella versione 18.1.
Per funzionare in Torch, la variabile stringa SMILES deve essere impostata sul tipo di modellazione Testo non strutturato .
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 che passa messaggi chemprop sembra funzionare meglio: ne stiamo studiando la potenziale implementazione.
Re: 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 di utenti JMP
Re: Modellazione predittiva chimica / QSAR / SMILES / RDKit / chemprop / TorchCiao @russ_wolfinger ,
Conosco alcuni utenti che creano feature usando RDKit e le usano in un modello predittivo. Ogni tanto gli utenti del reparto R&S di un'azienda chimica mi chiedono se è possibile creare feature da SMILES in JMP. Io stesso 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 ad alcuni dei nostri utenti. Se posso aiutarti in qualche modo, per favore fammelo sapere.
Yuichi
