Project Icon

datamol

基于RDKit的高效分子处理Python库

datamol是一个基于RDKit的Python库,专为简化分子处理而设计。它提供简洁的API、高效的并行处理和现代IO支持,同时保持与RDKit的兼容性。通过良好的默认设置,datamol简化了分子标准化、构象生成和特征计算等任务,使分子操作更加便捷高效。该库支持远程路径读写多种格式文件,适用于大规模数据处理。datamol的设计理念是在RDKit基础上提供更简单的接口,同时保持性能和灵活性,使其成为分子信息学研究和开发的有力工具。

jmolecules - 简化Java领域模型实现,减少技术依赖和样板代码
Domain-Driven DesignGithubjMolecules开源项目架构自动化验证
jMolecules提供一系列库,帮助开发者用纯Java实现领域模型,明确架构概念,减少技术依赖和样板代码。支持领域驱动设计(DDD)、分层架构、洋葱架构和六边形架构等多种风格,并允许工具集成以生成文档和验证结构。注解和接口可表达领域构建块及事件概念,便于开发和自动化验证。支持与Spring、Data JPA、MongoDB等技术的无缝集成,确保代码即插即用。
torchmd - 开源分子动力学模拟框架
GithubPyTorchTorchMD分子动力学力场开发开源项目神经网络势能
TorchMD是一个开源的分子动力学模拟框架,基于PyTorch构建。它为研究人员提供简单易用的API,支持力场开发和神经网络势能的无缝集成。TorchMD使用与传统MD软件兼容的化学单位,适用于多种分子模拟任务。该项目正在积极开发中,由Chan Zuckerberg Initiative和Acellera资助,并与OpenMM和ACEMD展开合作。TorchMD适用于蛋白质折叠、药物设计、材料科学等领域的分子动力学研究。研究人员可以利用TorchMD快速开发和测试新的力场模型,推进计算化学和生物物理学的发展。
guacamol_baselines - 化学生成任务评估基准模型集合
GithubGuacaMolSMILES基准模型开源项目机器学习生成化学
GuacaMol Baselines项目为化学生成任务评估提供多种基准模型实现。包含随机采样、ChEMBL最佳选择、SMILES和图遗传算法、图蒙特卡洛树搜索以及SMILES LSTM变体等方法。项目配备预训练模型、数据集脚本和Docker容器,便于研究人员部署和比较各类生成模型。
rxnmapper - 利用无监督学习的有机化学反应原子映射工具
GithubRXNMapper化学反应原子映射开源项目有机化学机器学习
rxnmapper是一个开源的有机化学反应原子映射工具,利用机器学习技术,通过ALBERT模型在大规模化学反应数据集上进行无监督学习,提取有机化学语法,实现对有效反应SMILES的原子映射。项目提供Python API接口,支持批处理和错误处理,可集成到化学信息学应用中。rxnmapper为化学反应分析和预测提供了新的方法,有助于推进有机化学研究。
maml - 材料科学机器学习的高级Python接口包
Githubmaml开源项目机器学习材料科学潜在能量面特征工程
maml是一个为材料科学机器学习设计的Python包,提供高级接口简化开发流程。它整合了scikit-learn和tensorflow等机器学习库,以及pymatgen和matminer等材料科学工具,实现特征提取和模型构建。maml支持多种局部环境特征,如双谱系数和Behler-Parrinello对称函数,并包含势能面建模、X射线吸收光谱预测等应用模块。
misato-dataset - 大规模蛋白质-配体复合物数据集助力AI驱动的药物发现
AI模型GithubMISATO分子动力学开源项目药物发现蛋白质-配体复合物
MISATO是一个专为结构化药物发现设计的机器学习数据集,包含高质量的蛋白质-配体复合物数据。数据集涵盖了19000多个配体的量子力学计算结果和16000多个蛋白质-配体结构的分子动力学模拟。MISATO旨在提高配体分子精确度、合理表示系统动力学,并促进创新AI药物发现模型的开发。研究人员可免费下载MISATO数据集,使用提供的PyTorch数据加载器进行AI训练和预测。
matminer - 材料科学数据挖掘的开源利器
GithubPython库matminer开源工具开源项目数据挖掘材料科学
matminer是一个面向材料科学领域的开源数据挖掘库。该项目支持Python 3.9+,提供数据集和特征提取工具,便于研究人员进行材料数据分析。matminer包含详细文档、示例仓库和支持论坛,涵盖数据检索、特征化和数据集管理功能。此外,项目还提供了相关工具如automatminer和matbench,进一步扩展了其在材料科学研究中的应用范围。作为开源项目,matminer鼓励用户在研究中引用相关论文,并提供了方便的citation()方法来获取引用信息,体现了其学术价值和在材料科学社区中的影响力。
papers-for-molecular-design-using-DL - 生成式AI和深度学习在分子设计与优化中的应用
Deep LearningGenerative AIGithubmolecular设计分子构象生成开源项目药物设计
此页面汇总了生成式AI和深度学习在分子设计和分子构象生成中的研究及资料。涵盖分子优化、数据集和基准、药物相似性和评估指标,以及基于结构、片段等生成模型的评论。这些资源对药物设计、材料发现和生命科学研究人员非常有用,并提供最新的学术和应用进展,持续更新。
ChemBERTa-zinc-base-v1 - 面向分子结构预测与化学特性分析的深度学习模型
ChemBERTaGithubHuggingfaceRoBERTaSMILES化学机器学习开源项目模型深度学习
ChemBERTa-zinc-base-v1是一个专注于化学分子结构分析的深度学习模型。通过对大规模分子数据的训练,该模型能够进行分子结构预测,并支持毒性、溶解度、药物相似性等化学特性分析。模型创新地将自然语言处理技术应用于化学领域,为研究人员提供了一个高效的分子结构分析工具。
ProLIF - 生物分子相互作用指纹分析工具
GithubProLIF分子动力学开源项目生物信息学相互作用指纹蛋白质配体
ProLIF是一个用于生成生物分子复合物相互作用指纹的开源工具。它可分析分子动力学轨迹、对接模拟和实验结构数据,支持配体、蛋白质、DNA和RNA等多种分子类型。该工具提供详细文档和教程,适用于生物信息学和药物设计领域的复杂相互作用研究。ProLIF由MDAnalysis和RDKit等库提供技术支持,是这一领域的重要资源。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号