Buchumschlag

The Geometry of Activity Cliffs: Representation Dependence and Multi-Scale Characterization of Activity Landscapes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dabrowski-Tumanski, Pawel, Topolski, Bartosz, Plewczynski, Dariusz, Jetka, Tomasz
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Quantitative Methods Machine Learning Chemical Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An explainable hypothesis-driven approach to Drug-Induced Liver Injury with HADES
von: Wisniewski, Maciej, et al.
Veröffentlicht: (2026)

Large-Scale Knowledge Integration for Enhanced Molecular Property Prediction
von: Ghunaim, Yasir, et al.
Veröffentlicht: (2024)

Predicting Activity Cliffs for Autonomous Medicinal Chemistry
von: Cuccarese, Michael
Veröffentlicht: (2026)

Multi-channel learning for integrating structural hierarchies into context-dependent molecular representation
von: Wan, Yue, et al.
Veröffentlicht: (2023)

Graph Fourier Neural ODEs: Modeling Spatial-temporal Multi-scales in Molecular Dynamics
von: Sun, Fang, et al.
Veröffentlicht: (2024)

MolSculpt: Sculpting 3D Molecular Geometries from Chemical Syntax
von: Chen, Zhanpeng, et al.
Veröffentlicht: (2025)

Generative Pseudo-Force Fields for Molecular Generation
von: Hessmann, Stefaan Simon Pierre, et al.
Veröffentlicht: (2026)

KANEL: Kolmogorov-Arnold Network Ensemble Learning Enables Early Hit Enrichment in High-Throughput Virtual Screening
von: Koptev, Pavel, et al.
Veröffentlicht: (2026)

Tokenizing Electron Cloud in Protein-Ligand Interaction Learning
von: Lin, Haitao, et al.
Veröffentlicht: (2025)

Fractional Denoising for 3D Molecular Pre-training
von: Feng, Shikun, et al.
Veröffentlicht: (2023)

Node-Aligned Graph-to-Graph (NAG2G): Elevating Template-Free Deep Learning Approaches in Single-Step Retrosynthesis
von: Yao, Lin, et al.
Veröffentlicht: (2023)

TrustMol: Trustworthy Inverse Molecular Design via Alignment with Molecular Dynamics
von: Wijaya, Kevin Tirta, et al.
Veröffentlicht: (2024)

Olfactory Label Prediction on Aroma-Chemical Pairs
von: Sisson, Laura, et al.
Veröffentlicht: (2023)

Enhancing Peak Assignment in 13C NMR Spectroscopy: A Novel Approach Using Multimodal Alignment
von: Xu, Hao, et al.
Veröffentlicht: (2023)

Learning Chemotherapy Drug Action via Universal Physics-Informed Neural Networks
von: Podina, Lena, et al.
Veröffentlicht: (2024)

Socrates-Mol: Self-Oriented Cognitive Reasoning through Autonomous Trial-and-Error with Empirical-Bayesian Screening for Molecules
von: Wang, Xiangru, et al.
Veröffentlicht: (2025)

ProtSCAPE: Mapping the landscape of protein conformations in molecular dynamics
von: Viswanath, Siddharth, et al.
Veröffentlicht: (2024)

From Static to Dynamic Structures: Improving Binding Affinity Prediction with Graph-Based Deep Learning
von: Min, Yaosen, et al.
Veröffentlicht: (2022)

QSAR-Guided Generative Framework for the Discovery of Synthetically Viable Odorants
von: Pearce, Tim C., et al.
Veröffentlicht: (2025)

Prediction of good reaction coordinates and future evolution of MD trajectories using Regularized Sparse Autoencoders: A novel deep learning approach
von: Gupta, Abhijit
Veröffentlicht: (2022)

Using pretrained graph neural networks with token mixers as geometric featurizers for conformational dynamics
von: Pengmei, Zihan, et al.
Veröffentlicht: (2024)

UAlign: Pushing the Limit of Template-free Retrosynthesis Prediction with Unsupervised SMILES Alignment
von: Zeng, Kaipeng, et al.
Veröffentlicht: (2024)

Aligning Transformers with Continuous Feedback via Energy Rank Alignment
von: Chennakesavalu, Shriram, et al.
Veröffentlicht: (2024)

To Bin or not to Bin: Alternative Representations of Mass Spectra
von: de Jonge, Niek, et al.
Veröffentlicht: (2025)

GeLLMO: Generalizing Large Language Models for Multi-property Molecule Optimization
von: Dey, Vishal, et al.
Veröffentlicht: (2025)

Bolek: A Multimodal Language Model for Molecular Reasoning
von: Grabowski, Frederic, et al.
Veröffentlicht: (2026)

LICO: Large Language Models for In-Context Molecular Optimization
von: Nguyen, Tung, et al.
Veröffentlicht: (2024)

Augmenting Molecular Graphs with Geometries via Machine Learning Interatomic Potentials
von: Fu, Cong, et al.
Veröffentlicht: (2025)

CACTUS: Chemistry Agent Connecting Tool-Usage to Science
von: McNaughton, Andrew D., et al.
Veröffentlicht: (2024)

RapidDock: Unlocking Proteome-scale Molecular Docking
von: Powalski, Rafał, et al.
Veröffentlicht: (2024)

PoseBusters: AI-based docking methods fail to generate physically valid poses or generalise to novel sequences
von: Buttenschoen, Martin, et al.
Veröffentlicht: (2023)

An evaluation of unconditional 3D molecular generation methods
von: Buttenschoen, Martin, et al.
Veröffentlicht: (2025)

Enhancing Protein-Ligand Binding Affinity Predictions using Neural Network Potentials
von: Zariquiey, Francesc Sabanes, et al.
Veröffentlicht: (2024)

OWPCP: A Deep Learning Model to Predict Octanol-Water Partition Coefficient
von: Maleki, Mohammadjavad, et al.
Veröffentlicht: (2024)

Structure to Property: Chemical Element Embeddings and a Deep Learning Approach for Accurate Prediction of Chemical Properties
von: Shermukhamedov, Shokirbek, et al.
Veröffentlicht: (2023)

Low-N Protein Activity Optimization with FolDE
von: Roberts, Jacob B., et al.
Veröffentlicht: (2025)

Designing the Haystack: Programmable Chemical Space for Generative Molecular Discovery
von: Zhu, Yuchen, et al.
Veröffentlicht: (2026)

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)

MS-ConTab: Multi-Scale Contrastive Learning of Mutation Signatures for Pan Cancer Representation and Stratification
von: Dou, Yifan, et al.
Veröffentlicht: (2025)

Synergistic Computational Approaches for Accelerated Drug Discovery: Integrating Quantum Mechanics, Statistical Thermodynamics, and Quantum Computing
von: Molani, Farzad, et al.
Veröffentlicht: (2025)