Buchumschlag

A Review on Fragment-based De Novo 2D Molecule Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Voloboev, Sergei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Biomolecules Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

t-SMILES: A Scalable Fragment-based Molecular Representation Framework for De Novo Molecule Generation
von: Wu, Juan-Ni, et al.
Veröffentlicht: (2023)

Exploring Discrete Flow Matching for 3D De Novo Molecule Generation
von: Dunn, Ian, et al.
Veröffentlicht: (2024)

Mixed Continuous and Categorical Flow Matching for 3D De Novo Molecule Generation
von: Dunn, Ian, et al.
Veröffentlicht: (2024)

FlowMol3: Flow Matching for 3D De Novo Small-Molecule Generation
von: Dunn, Ian, et al.
Veröffentlicht: (2025)

UniMoMo: Unified Generative Modeling of 3D Molecules for De Novo Binder Design
von: Kong, Xiangzhe, et al.
Veröffentlicht: (2025)

FREED++: Improving RL Agents for Fragment-Based Molecule Generation by Thorough Reproduction
von: Telepov, Alexander, 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)

Applications of Modular Co-Design for De Novo 3D Molecule Generation
von: Reidenbach, Danny, et al.
Veröffentlicht: (2025)

A Comprehensive Review of Emerging Approaches in Machine Learning for De Novo PROTAC Design
von: Gharbi, Yossra, et al.
Veröffentlicht: (2024)

Multi-domain Distribution Learning for De Novo Drug Design
von: Schneuing, Arne, et al.
Veröffentlicht: (2025)

Disentangling the Complex Multiplexed DIA Spectra in De Novo Peptide Sequencing
von: Ma, Zheng, et al.
Veröffentlicht: (2024)

Curriculum Learning for Biological Sequence Prediction: The Case of De Novo Peptide Sequencing
von: Zhang, Xiang, et al.
Veröffentlicht: (2025)

DiffBP: Generative Diffusion of 3D Molecules for Target Protein Binding
von: Lin, Haitao, et al.
Veröffentlicht: (2022)

Symphony: Symmetry-Equivariant Point-Centered Spherical Harmonics for 3D Molecule Generation
von: Daigavane, Ameya, et al.
Veröffentlicht: (2023)

BoKDiff: Best-of-K Diffusion Alignment for Target-Specific 3D Molecule Generation
von: Yalabadi, Ali Khodabandeh, et al.
Veröffentlicht: (2025)

MUDiff: Unified Diffusion for Complete Molecule Generation
von: Hua, Chenqing, et al.
Veröffentlicht: (2023)

SMI-Editor: Edit-based SMILES Language Model with Fragment-level Supervision
von: Zheng, Kangjie, et al.
Veröffentlicht: (2024)

MolPIF: A Parameter Interpolation Flow Model for Molecule Generation
von: Jin, Yaowei, et al.
Veröffentlicht: (2025)

AdaNovo: Adaptive \emph{De Novo} Peptide Sequencing with Conditional Mutual Information
von: Xia, Jun, et al.
Veröffentlicht: (2024)

Tokenizing 3D Molecule Structure with Quantized Spherical Coordinates
von: Gao, Kaiyuan, et al.
Veröffentlicht: (2024)

Cell Morphology-Guided Small Molecule Generation with GFlowNets
von: Lu, Stephen Zhewen, et al.
Veröffentlicht: (2024)

Attention Based Molecule Generation via Hierarchical Variational Autoencoder
von: Sivanesan, Divahar
Veröffentlicht: (2024)

Lift Your Molecules: Molecular Graph Generation in Latent Euclidean Space
von: Ketata, Mohamed Amine, et al.
Veröffentlicht: (2024)

Preference Optimization for Molecule Synthesis with Conditional Residual Energy-based Models
von: Liu, Songtao, et al.
Veröffentlicht: (2024)

Functional-Group-Based Diffusion for Pocket-Specific Molecule Generation and Elaboration
von: Lin, Haitao, et al.
Veröffentlicht: (2023)

Any-Property-Conditional Molecule Generation with Self-Criticism using Spanning Trees
von: Jolicoeur-Martineau, Alexia, et al.
Veröffentlicht: (2024)

S-MolSearch: 3D Semi-supervised Contrastive Learning for Bioactive Molecule Search
von: Zhou, Gengmo, et al.
Veröffentlicht: (2024)

Improving Targeted Molecule Generation through Language Model Fine-Tuning Via Reinforcement Learning
von: Ahmed, Salma J., et al.
Veröffentlicht: (2024)

Bridging the Gap between Chemical Reaction Pretraining and Conditional Molecule Generation with a Unified Model
von: Qiang, Bo, et al.
Veröffentlicht: (2023)

GeoRecon: Graph-Level Representation Learning for 3D Molecules via Reconstruction-Based Pretraining
von: Yan, Shaoheng, et al.
Veröffentlicht: (2025)

PETIMOT: A Novel Framework for Inferring Protein Motions from Sparse Data Using SE(3)-Equivariant Graph Neural Networks
von: Lombard, Valentin, et al.
Veröffentlicht: (2025)

Molecule Design by Latent Prompt Transformer
von: Kong, Deqian, et al.
Veröffentlicht: (2024)

Molecule Design by Latent Prompt Transformer
von: Kong, Deqian, et al.
Veröffentlicht: (2023)

Geometric-Facilitated Denoising Diffusion Model for 3D Molecule Generation
von: Xu, Can, et al.
Veröffentlicht: (2024)

Flow-Based Fragment Identification via Binding Site-Specific Latent Representations
von: Neeser, Rebecca Manuela, et al.
Veröffentlicht: (2025)

Pep2Prob Benchmark: Predicting Fragment Ion Probability for MS$^2$-based Proteomics
von: Xu, Hao, et al.
Veröffentlicht: (2025)

De Novo Molecular Design Enabled by Direct Preference Optimization and Curriculum Learning
von: Hou, Junyu
Veröffentlicht: (2025)

A Collaborative Framework Integrating Large Language Model and Chemical Fragment Space: Mutual Inspiration for Lead Design
von: Tuo, Hao, et al.
Veröffentlicht: (2025)

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

Benchmarking Large Language Models for Molecule Prediction Tasks
von: Zhong, Zhiqiang, et al.
Veröffentlicht: (2024)