文件名称：graph-neural-networks-for-drug-discovery
文件大小：38KB
文件格式：ZIP
更新时间：2024-05-15 07:23:47
Python
基于原始分子图的神经网络属性预测 该代码是在阿斯利康进行的两项工作的基础： 我的硕士学位论文 Me和Michael Withnall的论文《 的中，本文提到的三个模型引用了以下代码和论文的模型： SELU-MPNN-> GGNN AMPNN-> AttentionGGNN GGNN EMNN-> EMN 论文的技术细节更为丰富，但并未经过同行评审，其中包含错误生成的ESOL数据集结果。 本文包含了更详尽，更仔细地生成的结果集。 相关工作 最重要的四篇相关论文是： 提供了一个图神经网络作为本工作以及以下论文的基线 定义了图表的神经网络的MPNN框架，在该代码实现为抽象类SummationMPNN 提供了一种用于节点分类的模型，该模型具有消息聚合步骤，该步骤不适合MPNN框架，但可以适合作为抽象AggregationMPNN类实现的更通用的框架，在计算上可以看作是较轻的变体。当前
【文件预览】：
graph-neural-networks-for-drug-discovery-master
----.gitignore(38B)
----toydata()
--------piece-of-tox21-train-for-prediction.csv.gz(381B)
--------piece-of-tox21-train.csv.gz(1KB)
--------piece-of-tox21-test.csv.gz(2KB)
--------piece-of-esol.csv.gz(4KB)
--------piece-of-tox21-valid.csv.gz(2KB)
----LICENCE(1KB)
----example.py(2KB)
----README.md(6KB)
----train_logging.py(10KB)
----tests()
--------__init__.py(0B)
--------gnn_test_case.py(6KB)
--------test_implementations.py(2KB)
--------test_example.py(407B)
----predict.py(2KB)
----gnn()
--------summation_mpnn.py(3KB)
--------aggregation_mpnn.py(4KB)
--------__init__.py(0B)
--------emn.py(4KB)
--------aggregation_mpnn_implementations.py(5KB)
--------emn_implementations.py(3KB)
--------summation_mpnn_implementations.py(4KB)
--------modules.py(5KB)
--------graph_features.py(5KB)
--------molgraph_data.py(4KB)
----losses.py(580B)
----train.py(9KB)