Buchumschlag

Improving Molecule Generation and Drug Discovery with a Knowledge-enhanced Generative Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Malusare, Aditya, Aggarwal, Vaneet
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Quantitative Methods
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Augmenting generative models with biomedical knowledge graphs improves targeted drug discovery
von: Malusare, Aditya, et al.
Veröffentlicht: (2025)

Diffusion Models at the Drug Discovery Frontier: A Review on Generating Small Molecules versus Therapeutic Peptides
von: Wang, Yiquan, et al.
Veröffentlicht: (2025)

A Morse Transform for Drug Discovery
von: Tanaka, Alexander M., et al.
Veröffentlicht: (2025)

Recent Developments in GNNs for Drug Discovery
von: Fang, Zhengyu, et al.
Veröffentlicht: (2025)

Synthetic Data from Diffusion Models Improve Drug Discovery Prediction
von: Hu, Bing, et al.
Veröffentlicht: (2024)

Target Specific De Novo Design of Drug Candidate Molecules with Graph Transformer-based Generative Adversarial Networks
von: Ünlü, Atabey, et al.
Veröffentlicht: (2023)

Predicting Side Effect of Drug Molecules using Recurrent Neural Networks
von: Beaudoin, Collin, et al.
Veröffentlicht: (2023)

DiffMS: Diffusion Generation of Molecules Conditioned on Mass Spectra
von: Bohde, Montgomery, et al.
Veröffentlicht: (2025)

Enhancing Drug Discovery: Autoencoder-Based Latent Space Augmentation for Improved Molecular Solubility Prediction using LatMixSol
von: Hasankhani, Mohammad Saleh
Veröffentlicht: (2025)

Can LLMs Generate Diverse Molecules? Towards Alignment with Structural Diversity
von: Jang, Hyosoon, et al.
Veröffentlicht: (2024)

Compressing Biology: Evaluating the Stable Diffusion VAE for Phenotypic Drug Discovery
von: Cropsal, Télio, et al.
Veröffentlicht: (2025)

Dual-Pathway Fusion of EHRs and Knowledge Graphs for Predicting Unseen Drug-Drug Interactions
von: Lee, Franklin, et al.
Veröffentlicht: (2025)

Do Larger Models Really Win in Drug Discovery? A Benchmark Assessment of Model Scaling in AI-Driven Molecular Property and Activity Prediction
von: Guo, Jinjiang
Veröffentlicht: (2026)

M$^{3}$-20M: A Large-Scale Multi-Modal Molecule Dataset for AI-driven Drug Design and Discovery
von: Guo, Siyuan, et al.
Veröffentlicht: (2024)

PGraphDTA: Improving Drug Target Interaction Prediction using Protein Language Models and Contact Maps
von: Bal, Rakesh, et al.
Veröffentlicht: (2023)

Entropy-Reinforced Planning with Large Language Models for Drug Discovery
von: Liu, Xuefeng, et al.
Veröffentlicht: (2024)

Domain Knowledge Infused Conditional Generative Models for Accelerating Drug Discovery
von: Hu, Bing, et al.
Veröffentlicht: (2025)

Contrastive Cross-Modal Learning for Infusing Chest X-ray Knowledge into ECGs
von: Punyamoorty, Vineet, et al.
Veröffentlicht: (2025)

MF-LAL: Drug Compound Generation Using Multi-Fidelity Latent Space Active Learning
von: Eckmann, Peter, et al.
Veröffentlicht: (2024)

NExT-Mol: 3D Diffusion Meets 1D Language Modeling for 3D Molecule Generation
von: Liu, Zhiyuan, et al.
Veröffentlicht: (2025)

Drug Discovery SMILES-to-Pharmacokinetics Diffusion Models with Deep Molecular Understanding
von: Hu, Bing, et al.
Veröffentlicht: (2024)

Transcriptome-Conditioned Personalized De Novo Drug Generation for AML Using Metaheuristic Assembly and Target-Driven Filtering
von: Elafifi, Abdullah G., et al.
Veröffentlicht: (2025)

CardiGraphormer: Unveiling the Power of Self-Supervised Learning in Revolutionizing Drug Discovery
von: Gupta, Abhijit
Veröffentlicht: (2023)

Neural Graph Matching Improves Retrieval Augmented Generation in Molecular Machine Learning
von: Wang, Runzhong, et al.
Veröffentlicht: (2025)

ProteinZero: Self-Improving Protein Generation via Online Reinforcement Learning
von: Wang, Ziwen, et al.
Veröffentlicht: (2025)

Large Language Models in Drug Discovery and Development: From Disease Mechanisms to Clinical Trials
von: Zheng, Yizhen, et al.
Veröffentlicht: (2024)

GastroDL-Fusion: A Dual-Modal Deep Learning Framework Integrating Protein-Ligand Complexes and Gene Sequences for Gastrointestinal Disease Drug Discovery
von: Gao, Ziyang, et al.
Veröffentlicht: (2025)

Automated Model-Free Sorting of Single-Molecule Fluorescence Events Using a Deep Learning Based Hidden-State Model
von: Zeng, Wenqi, et al.
Veröffentlicht: (2025)

Unsupervised Discovery of Steerable Factors When Graph Deep Generative Models Are Entangled
von: Liu, Shengchao, et al.
Veröffentlicht: (2024)

Curiosity as a Self-Supervised Method to Improve Exploration in De novo Drug Design
von: Chadi, Mohamed-Amine, et al.
Veröffentlicht: (2023)

MGKAN: Predicting Asymmetric Drug-Drug Interactions via a Multimodal Graph Kolmogorov-Arnold Network
von: Fan, Kunyi, et al.
Veröffentlicht: (2026)

CMINNs: Compartment Model Informed Neural Networks -- Unlocking Drug Dynamics
von: Daryakenari, Nazanin Ahmadi, et al.
Veröffentlicht: (2024)

SMILES-Mamba: Chemical Mamba Foundation Models for Drug ADMET Prediction
von: Xu, Bohao, et al.
Veröffentlicht: (2024)

Bi-level Contrastive Learning for Knowledge-Enhanced Molecule Representations
von: Jiang, Pengcheng, et al.
Veröffentlicht: (2023)

DrugAssist: A Large Language Model for Molecule Optimization
von: Ye, Geyan, et al.
Veröffentlicht: (2023)

G2T-LLM: Graph-to-Tree Text Encoding for Molecule Generation with Fine-Tuned Large Language Models
von: Yu, Zhaoning, et al.
Veröffentlicht: (2024)

MM-DADM: Multimodal Drug-Aware Diffusion Model for Virtual Clinical Trials
von: Shao, Qian, et al.
Veröffentlicht: (2025)

Drug-Target Interaction/Affinity Prediction: Deep Learning Models and Advances Review
von: Vefghi, Ali, et al.
Veröffentlicht: (2025)

scPPDM: A Diffusion Model for Single-Cell Drug-Response Prediction
von: Liang, Zhaokang, et al.
Veröffentlicht: (2025)

Scalable Non-Equivariant 3D Molecule Generation via Rotational Alignment
von: Ding, Yuhui, et al.
Veröffentlicht: (2025)