Buchumschlag

Efficient and Programmable Exploration of Synthesizable Chemical Space

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Shitong, Coley, Connor W.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Biomolecules
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generative Artificial Intelligence for Navigating Synthesizable Chemical Space
von: Gao, Wenhao, et al.
Veröffentlicht: (2024)

Procedural Synthesis of Synthesizable Molecules
von: Sun, Michael, et al.
Veröffentlicht: (2024)

ShEPhERD: Diffusing shape, electrostatics, and pharmacophores for bioisosteric drug design
von: Adams, Keir, et al.
Veröffentlicht: (2024)

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

Quantum-inspired Reinforcement Learning for Synthesizable Drug Design
von: Wang, Dannong, et al.
Veröffentlicht: (2024)

Revealing the Relationship Between Publication Bias and Chemical Reactivity with Contrastive Learning
von: Gao, Wenhao, et al.
Veröffentlicht: (2024)

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

Pocket2Mol: Efficient Molecular Sampling Based on 3D Protein Pockets
von: Peng, Xingang, et al.
Veröffentlicht: (2022)

Effective Protein-Protein Interaction Exploration with PPIretrieval
von: Hua, Chenqing, et al.
Veröffentlicht: (2024)

RGFN: Synthesizable Molecular Generation Using GFlowNets
von: Koziarski, Michał, et al.
Veröffentlicht: (2024)

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

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

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

Full-Atom Peptide Design based on Multi-modal Flow Matching
von: Li, Jiahan, et al.
Veröffentlicht: (2024)

Orientation-Aware Graph Neural Networks for Protein Structure Representation Learning
von: Li, Jiahan, et al.
Veröffentlicht: (2022)

Conditional Chemical Language Models are Versatile Tools in Drug Discovery
von: Zhu, Lu, et al.
Veröffentlicht: (2025)

A Hitchhiker's Guide to Deep Chemical Language Processing for Bioactivity Prediction
von: Özçelik, Rıza, et al.
Veröffentlicht: (2024)

Directed Evolution of Proteins via Bayesian Optimization in Embedding Space
von: Soldát, Matouš, et al.
Veröffentlicht: (2025)

Atomic Trajectory Modeling with State Space Models for Biomolecular Dynamics
von: Shi, Liang, et al.
Veröffentlicht: (2026)

Hotspot-Driven Peptide Design via Multi-Fragment Autoregressive Extension
von: Li, Jiahan, et al.
Veröffentlicht: (2024)

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

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

MolCRAFT: Structure-Based Drug Design in Continuous Parameter Space
von: Qu, Yanru, 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)

Beyond Atoms: Enhancing Molecular Pretrained Representations with 3D Space Modeling
von: Lu, Shuqi, et al.
Veröffentlicht: (2025)

Efficiently Predicting Mutational Effect on Homologous Proteins by Evolution Encoding
von: Zhong, Zhiqiang, et al.
Veröffentlicht: (2024)

Towards Efficient Molecular Property Optimization with Graph Energy Based Models
von: Miglior, Luca, et al.
Veröffentlicht: (2025)

Latent Chemical Space Searching for Plug-in Multi-objective Molecule Generation
von: Liu, Ningfeng, et al.
Veröffentlicht: (2024)

Beam Enumeration: Probabilistic Explainability For Sample Efficient Self-conditioned Molecular Design
von: Guo, Jeff, et al.
Veröffentlicht: (2023)

Beyond ESM2: Graph-Enhanced Protein Sequence Modeling with Efficient Clustering
von: Jiao, Shujian, et al.
Veröffentlicht: (2024)

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

Accurate and Efficient Structural Ensemble Generation of Macrocyclic Peptides using Internal Coordinate Diffusion
von: Grambow, Colin A., et al.
Veröffentlicht: (2023)

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

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

NEBULA: Neural Empirical Bayes Under Latent Representations for Efficient and Controllable Design of Molecular Libraries
von: Nowara, Ewa M., et al.
Veröffentlicht: (2024)

Energy Efficient Protein Language Models: Leveraging Small Language Models with LoRA for Controllable Protein Generation
von: Shah, Aayush, et al.
Veröffentlicht: (2024)

MAPE-PPI: Towards Effective and Efficient Protein-Protein Interaction Prediction via Microenvironment-Aware Protein Embedding
von: Wu, Lirong, et al.
Veröffentlicht: (2024)

A Model-Centric Review of Deep Learning for Protein Design
von: Kyro, Gregory W., et al.
Veröffentlicht: (2025)

Learning Multi-view Molecular Representations with Structured and Unstructured Knowledge
von: Luo, Yizhen, et al.
Veröffentlicht: (2024)

Training Dynamics of Learning 3D-Rotational Equivariance
von: Shen, Max W., et al.
Veröffentlicht: (2025)