FlexMol：用于分子关系学习基准测试的灵活工具包
机器学习
2024-10-22 v1 人工智能
摘要
分子关系学习（MRL）对于理解分子对之间的相互作用行为至关重要，这是药物发现和开发的一个关键方面。然而，MRL庞大的可行模型空间给基准测试带来了重大挑战，现有的MRL框架在灵活性和范围方面存在局限性。为了应对这些挑战，避免重复的编码工作，并确保模型的公平比较，我们引入了FlexMol，这是一个全面的工具包，旨在促进跨各种数据集和性能指标的不同模型架构的构建和评估。FlexMol提供了一套强大的预设模型组件，包括16个药物编码器、13个蛋白质序列编码器、9个蛋白质结构编码器和7个交互层。凭借其易于使用的API和灵活性，FlexMol支持动态构建超过70,000种不同的模型架构组合。此外，我们提供了详细的基准测试结果和代码示例，以展示FlexMol在简化和标准化MRL模型开发与比较方面的有效性。
引用
@article{arxiv.2410.15010,
title = {FlexMol: A Flexible Toolkit for Benchmarking Molecular Relational Learning},
author = {Sizhe Liu and Jun Xia and Lecheng Zhang and Yuchen Liu and Yue Liu and Wenjie Du and Zhangyang Gao and Bozhen Hu and Cheng Tan and Hongxin Xiang and Stan Z. Li},
journal= {arXiv preprint arXiv:2410.15010},
year = {2024}
}