GLAMOUR：基于大分子表示的图学习
机器学习
2021-08-25 v3 计算机与社会
生物大分子
定量方法
机器学习
摘要
自然和人工大分子的近乎无限的化学多样性源于可能的组成单体、连接方式和聚合物拓扑结构的广泛范围。这种巨大的多样性导致大分子无处不在且不可或缺，但阻碍了以大分子为输入的通用机器学习方法的发展。为此，我们开发了 GLAMOUR，一个面向大分子的化学信息图表示框架，能够量化结构相似性，并支持可解释的监督学习。
引用
@article{arxiv.2103.02565,
title = {GLAMOUR: Graph Learning over Macromolecule Representations},
author = {Somesh Mohapatra and Joyce An and Rafael Gómez-Bombarelli},
journal= {arXiv preprint arXiv:2103.02565},
year = {2021}
}
备注
Main text: 4 pages, 2 figures; Appendix: 33 pages, 46 figures, 7 in-text tables, 4 supplementary tables