文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

. | 基于原子、键协同扩散和性质引导的3D分子生成模型

自回归模型：需按顺序生成原子，易忽略分子的全局结构信息，导致生成分子的结构不完整或存在累积误差。 (2)....DiffGui模型的创新框架 DiffGui提出了一种融合原子-键协同扩散与多属性引导的双机制生成框架（图1）。 (1)....在分子结构合理性方面，DiffGui 生成的分子与真实分子的键长、键角和二面角分布高度相似（表1），其全原子对距离的 Jensen-Shannon (JS) 散度也远低于其他模型。...表1 生成分子与参考分子间的平均JS散度[1] 图2 生成分子与参考分子的全原子对距离分布对比[1] 图3 生成分子与优化/预测构象的RMSD分布[1] 3....图7 DiffGui生成分子的湿实验验证结果[1] 总结 本研究提出的DiffGui模型通过“原子-键协同扩散+性质引导”策略，显著提升了分子生成的结构合理性、结合亲和力、药物属性与可合成性。

60310

让化学分子动起来——MolView

，同时支持2D和3D效果图。...一旦绘制或输入了一个分子，即可单击2D to 3D按钮将分子转换为3D模型，并显示在3D模型查看器中。...顶部工具栏 通过顶部工具栏我们可以对画布和图形进行操作，如清除画图、添加/删除原子/键、移动原子、2D转3D等。...Top toolbar 左侧工具栏 左侧工具栏可以选择键合类型(单键、双键、三键、上键、下键)，添加或修改键；直接添加特殊结构如苯、环丙烷等；创造碳原子链以及增加减少原子的电荷等。...Left toolbar 右侧工具栏 在右侧工具栏中可以从多个元素中进行选择，也可以使用最后一个按钮从元素周期表中选择一个元素来创建新原子或修改现有原子。

5.5K30
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    eeglab教程系列(7)-数据叠加平均{2}绘制2D和3D图

    1.绘制一些列的2D ERP scalp maps 本案例中将绘制一系列的2-D scalp maps，其中每个图表明的是一个特定的潜伏期的电压分布。...2.绘制一些列的3D ERP scalp maps 在eeglab界面上操作：Plot > ERP map series > In 3-D，将会弹出查询窗口(如下），要求您创建并保存一个新的三维头部图三维样条线文件...此时有两种选择：如果已经为此通道位置结构生成了样条文件，则可以在第一个编辑框中将其输入此处(首先单击"使用现有样条文件或结构以激活编辑框"，然后浏览 如果没有创建这样的文件，则需要生成一个。...输入输出文件名(在第二个编辑框中),绘制要绘制的等待时间(下面的0:100:500，指示等待时间0、100、200、300、400和500 ms),然后按"OK"。...在上图中，点击"OK"，即可弹出3D scalp maps. ? 在上图中，可以点击任意一个图，会弹出一个子窗口来单独绘制该图。 ? 可以在子图中根据需求进行旋转等操作： ?

    79020

    eeglab教程系列(8)-数据叠加平均{2}绘制2D和3D图

    1.绘制一些列的2D ERP scalp maps 本案例中将绘制一系列的2-D scalp maps，其中每个图表明的是一个特定的潜伏期的电压分布。...输入后点击"OK"，出现如下界面： 2.绘制一些列的3D ERP scalp maps 在eeglab界面上操作：Plot > ERP map series > In 3-D，将会弹出查询窗口(如下）...此时有两种选择：如果已经为此通道位置结构生成了样条文件，则可以在第一个编辑框中将其输入此处(首先单击"使用现有样条文件或结构以激活编辑框"，然后浏览 如果没有创建这样的文件，则需要生成一个。...输入输出文件名(在第二个编辑框中),绘制要绘制的等待时间(下面的0:100:500，指示等待时间0、100、200、300、400和500 ms),然后按"OK"。...在上图中，点击"OK"，即可弹出3D scalp maps. 在上图中，可以点击任意一个图，会弹出一个子窗口来单独绘制该图。 可以在子图中根据需求进行旋转等操作：

    89230

    PCA分析 | 不同品种的基因型数据绘制2D和3D的PCA图

    PCA是降维的一种方法。 很多软件可以分析PCA，这里介绍一下使用plink软件和R语言，进行PCA分析，并且使用ggplot2绘制2D和3D的PCA图。...绘制后的图如下： 2-D PCA图： image.png 图片解释，将每个品种用不同的颜色表示，同时绘制置信区间圆圈，X坐标是PC1，解释24.9%的变异，Y坐标是PC2，解释10.61%的变异。...可以看到，三个品种在PCA图里面分的比较开，C品种的有两个A和B的点，应该是异常数据。...2，计算G矩阵 3，计算PCA的特征向量和特征值 4，根据特征值计算解释百分比 5，根据特征向量和品种标签，进行PCA的绘制 绘制代码如下： 首先，使用plink命令，将基因型数据转化为012...然后使用R语言，计算PCA，并绘制PCA图。

    3.1K50

    eeglab中文教程系列(7)-数据叠加平均{2}绘制2D和3D图

    本教程为脑机学习者Rose发表于公众号：脑机接口社区(微信号：Brain_Computer),QQ交流群：903290195 [欢迎关注] 1.绘制一些列的2D ERP scalp maps 本案例中将绘制一系列的...[图2] 输入后点击"OK"，出现如下界面： [图3] 2.绘制一些列的3D ERP scalp maps 在eeglab界面上操作：Plot > ERP map series > In 3-D，将会弹出查询窗口...此时有两种选择：如果已经为此通道位置结构生成了样条文件，则可以在第一个编辑框中将其输入此处(首先单击"使用现有样条文件或结构以激活编辑框"，然后浏览 如果没有创建这样的文件，则需要生成一个。...输入输出文件名(在第二个编辑框中),绘制要绘制的等待时间(下面的0:100:500，指示等待时间0、100、200、300、400和500 ms),然后按"OK"。...[图7] 在上图中，点击"OK"，即可弹出3D scalp maps. [图8] 在上图中，可以点击任意一个图，会弹出一个子窗口来单独绘制该图。

    1.2K00

    Transformer-M：一个能理解2D和3D分子的Transformer

    为了实现跨模态处理分子任务，作者开发了一种新的基于Transformer的分子模型Transformer-M。它可以将2D或3D格式的分子数据作为输入，并生成有意义的语义表示。...与视觉和语言数据通常具有固定的格式不同，分子可以使用不同的化学方法进行表征。比如，可以将分子视为2D图，也可以将其定义为位于3D空间中的原子集合。...然而，以往的工作大多集中于设计2D或3D结构的神经网络模型，导致一种形式的模型无法应用到另一种形式的任务中。...2D通道使用度编码、最短路径距离编码和从2D图结构中提取的边编码。最短路径距离编码和边编码反映了一对原子之间的空间关系和键的特征，在softmax注意中用作偏置项。度编码被添加到输入层的原子特征中。...在训练过程中，当batch中的数据是2D图时，2D通道将被激活，3D通道将被禁用。类似地，当batch中的数据是3D几何结构时，3D通道将被激活，而2D通道将被禁用。

    1.5K30

    直接分子构象生成

    3D分子构象生成指的是给定2D分子图，生成对应的稳定3D分子构象，即生成每一个原子的坐标。相对于传统的基于实验或者数值计算的方法，基于机器学习的方法具有计算速度快、计算效果好的优势。...所以，在本篇论文中，作者设计了一种方案（direct molecular conformation generation, 简记为DMCG）可以直接从2D分子图生成3D分子构象而不借助中间变量。...网络的每一层包含四个模块，它们工作方式如下：（1）对于每一个化学键，利用它两个端点的原子特征去更新该化学键的特征；（2）对于任意原子，利用和它相邻的化学键去更新原子的特征；（3）利用刚刚更新的原子和化学键特征去更新分子的一个整体表达...拓展：2D & 3D 联合预训练 DMCG侧重于从2D分子图生成3D构象。基于DMCG的模型架构和训练方案，作者提出基于2D & 3D的联合预训练。该工作发表于KDD2022。...具体来说，给定一个2D的原子图和每个原子坐标，随机遮盖掉一部分原子和坐标，训练目标是重构被遮盖掉的部分。图四（b）展示的是给定2D分子图，重构它的3D构象。这部分采用的是DMCG的方案。

    1.3K30

    ChemNet: 蛋白-小分子复合物构象系综生成

    与蛋白质相互作用的小分子和氨基酸侧链的键合几何的原子级描述。这样的模型虽然无法从序列预测结构，但对于模拟小分子或结合肽的构象以及蛋白质结合位点和相互作用侧链的构象非常有用。...ChemNet的网络架构借鉴了RoseTTAFold，使用了1D、2D、3D的三轨架构（图1D）。...键分离邻接图，包含每个原子最近的16个成键邻居（图距离最近）和16个非成键邻居（空间最近）的信息；3. 1D嵌入；4. 2D嵌入；5. 键长、手性中心张角和sp2平面角的几何损失函数对原子坐标的梯度。...根据更新的结构，重新计算原子邻接图并更新2D嵌入。之后在1D和2D轨分别接有原子和原子对（距离矩阵）的置信度预测头。最后对1D和2D嵌入进行残差连接。整个网络进行8次迭代，共享权重。 图3....此外，当2D输入不包含键分离特征（一个整数，计算化学结构图中任意两个原子之间间隔的共价键的数量）而用一个0-1的特征表征两个原子是否属于同一个分子（即：能通过共价键构成的路径从原子A找到原子B）时，性能也会降低

    76010

    JCIM｜扩散模型在从头药物设计中的应用与发展

    本文综述了当前扩散模型在3D分子生成领域的技术实现，涵盖了分子生成任务中的原子和键表示、反向扩散去噪网络的架构，以及生成稳定的3D分子结构时面临的挑战。...图1 扩散模型示意图 生成模型在分子科学中的应用 在药物发现中，生成模型近年来取得了重要进展，尤其是在1D、2D和3D空间中生成小分子。...RNN主要用于基于字符串的分子表示，例如SMILES和SELFIES，而VAE和GAN模型则广泛应用于2D图和3D原子坐标的生成。...图3 反向扩散中常用的神经网络架构的简单说明：A-transformers、B-GNNs和C-CNNs（3D） 扩散模型的技术实现与挑战 在分子生成任务中，如何有效地表示和编码分子中的原子和键是扩散模型面临的主要挑战之一...在3D图中，节点不仅包含原子类型的信息，还包含原子的位置，而边可以显式表示为键特征或通过3D坐标的距离隐式编码。

    70710

    中南大学邓磊教授团队提出MolMVC模型，通过多视图对比学习增强药物相关任务的分子表征

    对于2D和3D图数据，作者使用了图Transformer，能够同时从邻近的原子中捕获局部信息和从整个分子中捕获全局信息，模型包括两个主要组件:图编码器和Transformer编码器。...与一般的Transformer不同，对于2D图Transformer，作者引入原子的度（即与之有化学键相连的原子的个数）进行位置编码，引入自注意力层的最短路径距离(SPD)，对原子对之间的拓扑关系进行编码...利用这个排名作为指导，作者选择屏蔽一定比例的1D ESPF片段，或者屏蔽注意力得分最高的2D和3D图形的原子。...如图4所示，从预训练数据集中随机选择两个分子作为示例。每个部分或原子的颜色对应于一个色条梯度，最亮的在底部，最暗的在顶部，按比例变化。从可视化结果来看，有以下观察结果。...首先，三种数据模式的注意力得分都集中在卤素原子上：图4A中的氯和图4B中的溴。卤素通常用于增强分子的脂溶性，帮助药物通过生物膜。其次，在2D和3D中，含氮组的注意力得分更高。

    95610

    Cell | PocketXMol：原子级统一建模重塑AI药物研发范式，并发现强效小分子和多肽抑制剂！

    “原子类型/坐标/化学键是否固定或生成”，精准控制任务目标。.../键类型噪声、SO(3)旋转噪声、扭转角循环噪声）映射到统一空间，无需任务特定微调即可实现多任务联合训练； 原子级统一表征：不预设氨基酸、化学基团等高层结构，直接建模原子类型、3D坐标和化学键，天然支持小分子与多肽的跨类型迁移...小分子相关任务：从设计到优化的全链条 基于结构药物设计（SBDD）：在100个基准口袋的评估中，14项指标（涵盖分子成药性、2D拓扑、3D保真度）中11项排名第一。...即使输入AlphaFold预测口袋、Rosetta重排侧链口袋等非天然结构，性能依然稳定； 3D分子生成：生成分子的原子间距离分布与真实药物分子高度吻合，2D/3D结构有效率显著高于MolDiff、GeoLDM...等基线模型，且支持体积形状约束生成，可精准匹配预设分子拓扑（图2D）； 片段连接与PROTAC设计：在DiffLinker数据集上，2D/3D结构恢复率、与参考分子相似度均排名第一（图2E和2F）；PROTAC

    32620

    Cell Reports Methods | 深度几何分子学习

    事实上目前已经开发了5000多种分子结构描述符，可以概括为一维（1D）、二维（2D）、三维（3D）和四维（4D）特征。1D分子描述符包括原子计数、键计数、分子重量等和其他总结的一般属性。...2D分子描述符包括图属性、组合属性等。3D分子描述符包括分子表面属性等。生成3D分子描述符通常需要较高的计算成本。4D化学描述符则表征了动态过程中的构型变化。...在这些GDL中，分子被表示为分子图、密度函数或分子表面，可以使用各种深度学习模型，如三维卷积神经网络（3D CNNs）、图神经网络（GNNs）、递归神经网络（RNNs）等，来自动学习分子性质。...从图1中可以看出，基于共价键的分子图的GDL并不具有最佳性能。相比之下，使用非共价分子图的GDL不仅可以取得可比的结果，甚至还可以超越基于共价键的模型。...从几何学角度来看，对于特定的图，只有当两个原子之间的欧几里得距离位于一定区域内时，才会在它们之间形成一条边。通过这种方式可以灵活地构建不同的分子图。

    79410

    KDD 2023 | 第四范式开发用于分子性质预测的生成式3D预训练模型

    然而，由于高昂的计算成本，在大规模数据实时计算分子的3D结构几乎是不可行的[1]。 图1：cc(=o)oc1=cc=cc=c1c(=o)o的2D分子图（左）和3D构象图（右）。...在过去的几年中，一种主流的方法是将分子建模为 2D 图结构，其中以原子作为节点，而边作为化学键，将整个分子性质预测建模为图级（Graph-level）预测任务，并应用 GNN（Graph Neural...2D模型近似DFT的整个过程，通过输入的2D分子图直接预测分子性质；3D模型在2D分子图的基础上还需要进一步输入3D分子构象，以获得更好的预测性能。...生成式预训练任务使模型能够理解分子从 2D 拓扑到 3D 几何的基于 DFT 的优化过程。...势能面将分子能量定义为多个坐标轴的函数，分子3D构象的优化就是在势能面上寻找局部最小值，而3D构象中的几何信息可以通过连接两个原子的键长、三个相连原子的键角和三个连续键的二面角来描述 其中，h 代表对应节点的表示向量

    72510

    . | 扩散模型实现基于结构的三维分子生成与先导化合物优化

    这种策略涉及构建两种类型的虚拟边。首先，原子间距离低于局部阈值τl的原子对通过共价局部边缘连接，因为当原子靠近时，化学键倾向于主导原子间力。...分析PMDM在化学空间分布上的表现 图 4 在分析了PMDM生成的分子的局部几何结构后，作者接着从全局角度评估生成的分子化学空间分布。...由于化学结构的三维性是药物化学分子设计的本质，作者也关注化学结构的形状。在此采用包括Morgan、RDKit和USRCAT指纹的2D和3D分子指纹来表示生成分子和测试集分子的化学空间。...PMDM生成的分子的化学空间可以覆盖测试集中的分子在2D亚结构空间中，表明PMDM能够正确地模拟测试集的2D化学空间（图4a, b）。...如图5所示，作者绘制了过滤分子的三个关键属性（QED、SA和Vina分数）的分布。可以观察到，PMDM能够在保持良好属性的同时生成具有良好亲和力的分子。

    1.3K10

    Drug Discov Today | 基于对接的生成模型用于新药发现

    两种分子表征方法，即诸如SMILES或分子指纹的线性化文本表征，以及基于分子图的表征，在分子设计中得到普遍使用。相比于线性化文本表征，分子图能够有效描述原子之间的几何关系。分子图可以是2D或3D。...2D图捕捉了原子邻域的信息，而3D图则捕捉了分子的构象（conformation）关系。 自回归（autoregressive）模型是CADD中应用最广泛的生成模型之一。...前者构建结合口袋的描述，并使用2D表征或直接在袋内构建3D分子图来创建最适合所述结合位点的化合物。后者专门针对所选药物靶点进行训练。它们可以通过强化学习、遗传算法或不同的迭代方法来指导。...为了从生成的网格中获得有效的分子，使用结合束搜索和梯度下降的算法来返回一组原子类型和坐标，它们与给定的原子密度网格最匹配，通过各自的键分配结合成有效的分子。...蛋白质和配体的原子被编码为通过k-NN算法连接的原子图，并且旋转不变的GNN被用于在3D空间中创建原子概率密度。接下来，自回归采样算法用于使用估计的概率密度从模型中枚举分子。

    81921

    Drug Discov Today｜化学分子指纹的概念和应用

    一个通用的分子指纹或描述符通常具有以下特征： 1.能够表示分子的局部结构(即能够表示每个原子及其最近邻居)； 2.能够组合并有效且简单地表示分子结构或物理化学性质； 3.能够从编码的指纹中高效、简单地解码为分子结构...化学拓扑性质来源于化学图，数学上表示为，其中，是节点(原子)集合，为边(化学键)集合。2D分子结构通常基于其拓扑性质表示，例如2D连接表，它是MOL和SDF的化合物格式的基本单元(图2)。...化合物的常见拓扑性质包括：(1) 原子类型；(2) 每个非氢原子(邻接矩阵)的连接性(或度)；(3) 每对原子的拓扑距离(距离矩阵)；(4) 原子离心率(atom eccentricity)；(4) 通过特定方法确定的化学键和原子的重量...图2 以苯甲醛(benzaldehyde)为例，将化学分子转化为2D连接表。(a) 标记每个非氢的原子。(b) 标记二维连接表的第一列和第一行中的原子标签。(c) 苯甲醛的2D连接表。...Venkatraman等人比较了五个基于2D的指纹和五个基于3D的指纹的性能，并表明可以从3D指纹中提取的构象特征的数量和构象的灵活性是提高3D方法性能的关键。

    3.9K11

    . | 分子表征的几何深度学习

    其中数学函数是应用于给定分子输入的神经网络ℱ，可以对等变、不变或其它。 图1 欧几里得变换 分子图学习 图是表示分子结构的最直观的方法，任何分子都可用图表示，其中顶点表示原子，边表示化学键。...根据系统中包含的维数，网格可以是1D(序列)、2D (RGB图像)、3D(立方格)或更高维。...2D网格通常更有利于可视化，3D网格通常用于捕获一个(或多个)分子构象内属性的空间分布，然后将这些信息用作3D卷积神经网络（3D-CNN）的输入。...从几何角度来看，分子表面被视为3D网格，即以一组多边形(面)来描述存在于3D空间的网格坐标。...它们的顶点可以用2D网格结构(网格上的四个顶点定义一个像素)或3D图形结构表示，可使用2D-CNN、geodesic CNN和GNN在分子表面上学习。

    1K20

    . | 利用高通量实验和几何深度学习实现药物后期多样化

    在这个过程中，快速合成是重中之重，因为合成是设计-制造-测试-分析循环的瓶颈。一些合成方法，如C–H键的选择性激活和改造，使得有机框架的后期功能化成为可能，这包括从分子构建块到高级药物分子。...为了量化立体（3D）和电子（量子力学（QM））效应的影响，输入的分子图被赋予了3D和QM增强信息，从而为每个神经网络生成了四种不同的分子图：2D、3D、2DQM和3DQM。...图3d（左）展示了此任务的九种不同神经网络的比较。四个GTNN的准确率显著高于ECFP4NN基线和四个GNN。对于反应产率预测，原子电荷以及3D信息并没有影响GTNN或GNN的性能。...图3d（中右）展示了为此任务的九种不同神经网络的比较，表明在3D图上训练的GNN性能优于ECFP4NN以及在2D图上训练的GNN和GTNN。...在3D图结构上训练的aGNN在性能上超过了在2D图结构上训练的aGNN。aGNN3DQM模型总体上表现最佳，F分数为60 ± 4%。

    40710

    Pocket2Mol : 基于3D蛋白质口袋的高效分子采样

    生成模型主要思想是在紧凑的低维空间中高效地表示所有收集的化学结构，并通过扰乱隐藏值来采样新的候选药物。这些模型的输出可以是一维化学描述符、二维图（graph）和3D结构。...另一种方法将 3D 口袋结构转换为分子 SMILES 字符串或 2D 分子图，但是没有明确建模小分子结构和 3D 口袋之间的相互作用。条件生成模型可以模拟 3D 口袋结构内的 3D 原子密度分布。...然后这个问题的挑战点从学习分布转移到结构采样算法的效率上。此外，以前的模型过分强调原子 3D 位置的重要性，而忽略了化学键的产生，这导致在实践中原子连接不切实际。...作者从以下方向改进了基于口袋的药物设计：第一，开发一种新的深度几何神经网络来准确地模拟口袋的 3D 结构；第二， 设计一种新的采样策略，以实现更有效的条件 3D 坐标采样；第三，将采样一对原子之间的化学键的能力分配给...其余与被屏蔽原子有价键的分子原子被定义为边界。然后，位置预测器和元素键预测器试图通过预测掩蔽原子朝向相应前沿的位置、元素类型和与剩余分子原子的键，来恢复与前沿原子具有价键的掩蔽原子。

    1.9K11
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券