Buchumschlag

Unified Guidance for Geometry-Conditioned Molecular Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ayadi, Sirine, Hetzel, Leon, Sommer, Johanna, Theis, Fabian, Günnemann, Stephan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Biomolecules Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

OmegAMP: Targeted AMP Discovery through Biologically Informed Generation
von: Soares, Diogo, et al.
Veröffentlicht: (2025)

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

Graph Diffusion Transformers for Multi-Conditional Molecular Generation
von: Liu, Gang, et al.
Veröffentlicht: (2024)

Interpolating Discrete Diffusion Models with Controllable Resampling
von: Kollovieh, Marcel, et al.
Veröffentlicht: (2026)

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

Training-Free Guidance for Discrete Diffusion Models for Molecular Generation
von: Kerby, Thomas J., et al.
Veröffentlicht: (2024)

Expressivity and Generalization: Fragment-Biases for Molecular GNNs
von: Wollschläger, Tom, et al.
Veröffentlicht: (2024)

DeltaDock: A Unified Framework for Accurate, Efficient, and Physically Reliable Molecular Docking
von: Yan, Jiaxian, et al.
Veröffentlicht: (2024)

OneProt: Towards Multi-Modal Protein Foundation Models
von: Flöge, Klemens, et al.
Veröffentlicht: (2024)

Gumbel-Softmax Flow Matching with Straight-Through Guidance for Controllable Biological Sequence Generation
von: Tang, Sophia, et al.
Veröffentlicht: (2025)

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

Generative Modeling of Molecular Dynamics Trajectories
von: Jing, Bowen, et al.
Veröffentlicht: (2024)

Pre-training of Molecular GNNs via Conditional Boltzmann Generator
von: Koge, Daiki, et al.
Veröffentlicht: (2023)

Instruction-Based Molecular Graph Generation with Unified Text-Graph Diffusion Model
von: Xiang, Yuran, et al.
Veröffentlicht: (2024)

Generative Molecular Design with Steerable and Granular Synthesizability Control
von: Guo, Jeff, et al.
Veröffentlicht: (2025)

Enforcing Latent Euclidean Geometry in Single-Cell VAEs for Manifold Interpolation
von: Palma, Alessandro, et al.
Veröffentlicht: (2025)

Morphology-Aware Peptide Discovery via Masked Conditional Generative Modeling
von: Costa, Nuno, et al.
Veröffentlicht: (2025)

Function-Guided Conditional Generation Using Protein Language Models with Adapters
von: Yang, Jason, et al.
Veröffentlicht: (2024)

Multi-Objective Latent Space Optimization of Generative Molecular Design Models
von: Abeer, A N M Nafiz, et al.
Veröffentlicht: (2022)

Saturn: Sample-efficient Generative Molecular Design using Memory Manipulation
von: Guo, Jeff, et al.
Veröffentlicht: (2024)

An End-to-End Framework for Molecular Conformation Generation via Bilevel Programming
von: Xu, Minkai, et al.
Veröffentlicht: (2021)

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

Sequence-Augmented SE(3)-Flow Matching For Conditional Protein Backbone Generation
von: Huguet, Guillaume, et al.
Veröffentlicht: (2024)

Conditional Latent Space Molecular Scaffold Optimization for Accelerated Molecular Design
von: Boyar, Onur, et al.
Veröffentlicht: (2024)

MarS-FM: Generative Modeling of Molecular Dynamics via Markov State Models
von: Kapuśniak, Kacper, et al.
Veröffentlicht: (2025)

Reimagining Target-Aware Molecular Generation through Retrieval-Enhanced Aligned Diffusion
von: Xu, Dong, et al.
Veröffentlicht: (2025)

PharMolixFM: All-Atom Foundation Models for Molecular Modeling and Generation
von: Luo, Yizhen, et al.
Veröffentlicht: (2025)

It Takes Two to Tango: Directly Optimizing for Constrained Synthesizability in Generative Molecular Design
von: Guo, Jeff, et al.
Veröffentlicht: (2024)

RNACG: A Universal RNA Sequence Conditional Generation model based on Flow-Matching
von: Gao, Letian, et al.
Veröffentlicht: (2024)

IBEX: Information-Bottleneck-EXplored Coarse-to-Fine Molecular Generation under Limited Data
von: Xu, Dong, et al.
Veröffentlicht: (2025)

MODA: A Unified 3D Diffusion Framework for Multi-Task Target-Aware Molecular Generation
von: Xu, Dong, et al.
Veröffentlicht: (2025)

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

Template-Guided 3D Molecular Pose Generation via Flow Matching and Differentiable Optimization
von: Bergues, Noémie, et al.
Veröffentlicht: (2025)

ChemSpaceAL: An Efficient Active Learning Methodology Applied to Protein-Specific Molecular Generation
von: Kyro, Gregory W., et al.
Veröffentlicht: (2023)

Rethinking Molecular Design: Integrating Latent Variable and Auto-Regressive Models for Goal Directed Generation
von: Arthur-Loui, Heath, et al.
Veröffentlicht: (2024)

Structure-Based Drug Design via 3D Molecular Generative Pre-training and Sampling
von: Yang, Yuwei, et al.
Veröffentlicht: (2024)

AReUReDi: Annealed Rectified Updates for Refining Discrete Flows with Multi-Objective Guidance
von: Chen, Tong, et al.
Veröffentlicht: (2025)

Multi-Modal Representation Learning for Molecular Property Prediction: Sequence, Graph, Geometry
von: Wang, Zeyu, et al.
Veröffentlicht: (2024)

GeomCLIP: Contrastive Geometry-Text Pre-training for Molecules
von: Xiao, Teng, et al.
Veröffentlicht: (2024)

AdaMR: Adaptable Molecular Representation for Unified Pre-training Strategy
von: Ding, Yan, et al.
Veröffentlicht: (2023)