跳到主要内容
检索

# 图Transformer

4 篇关联报道

订阅更新
  1. 核磁谱图直接反推分子骨架:inverse-IMPRESSION在19个实验分子中解出11个

    inverse-IMPRESSION把核磁共振谱图直接映射为原子间的成键概率,用一次性预测、逐步补键和噪声多轮采样三步拼出候选结构。此前同类图方法在实验谱上准确率明显下滑,而该平台在仅含氢、碳谱信息的模拟数据上Top-1达77.8%,在19个实验分子上正确解出11个,其中包含分子量480.7 Da、nSPS为48.1的多环甾体。

  2. arXiv

    ZAGNet 用解剖分区邻接图聚合肺部超声,患者级诊断 AUC 达 0.803(肺实变)与 0.893(胸腔积液),优于最大/平均池化

    该工作提出 ZAGNet,一种分区感知图神经网络,把按时间追踪的肺部超声病理发现作为图节点、以解剖分区邻接关系连边,用图 Transformer 在相邻肺区之间传播上下文,并以虚拟全局节点聚合图级特征,仅用患者级监督预测肺实变与胸腔积液;在 714 名受试者、20,256 段超声视频回放、每例 4 至 16 个分区(前、后、侧胸)的多中心数据上,肺实变 AUC 为 0.803(最大池化 0.677、平均池化 0.674),胸腔积液 AUC 为 0.893(最大池化 0.804、平均池化 0.815),并因在图结构上计算而可容纳缺失分区。

  3. bioRxiv

    基于图的QSAR建模流程:预测体外PubChem检测与体内人体肝毒性及Caspase-3/7激活机制分析

    该研究构建了一套基于图的QSAR建模流程,整合检测数据预处理、指纹与分子图特征表示,并基准测试经典机器学习、图神经网络、图变换器及其共识集成,用于预测Caspase-3/7激活、线粒体膜电位破坏和FDA药物性肝损伤,其中在DILI预测上Graphormer取得最高F1 0.79、全共识模型取得最高AUC 0.69,超过此前最佳模型的AUC 0.63与F1 0.65,并通过片段富集分析识别出与双重激活及细胞系特异性反应相关的结构基序。

  4. SSE-DDI:以键为中心的选择性子结构编码用于药物相互作用预测

    该工作提出SSE-DDI框架,在分子线图中以化学键为基本表示单元进行选择性子结构编码,并通过边融合图变换器与经精炼的SMILES来源Morgan指纹相似性剖面加以补充,在DrugBank与Twosides数据集的转导与归纳设置下于多项指标上优于代表性基线,消融与可视化分析支持选择性编码的有效性并凸显与药物相互作用相关的分子子结构。

已读完全部报道