| 1. Identificação | ||||
| Tipo de Referência | Artigo em Revista Científica (Journal Article) | |||
| Site | mtc-m21d.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 8JMKD3MGP3W34T/46FRN95 | |||
| Repositório | sid.inpe.br/mtc-m21d/2022/03.09.17.47 (acesso restrito) | |||
| Última Atualização | 2022:03.09.17.47.53 (UTC) simone | |||
| Repositório de Metadados | sid.inpe.br/mtc-m21d/2022/03.09.17.47.53 | |||
| Última Atualização dos Metadados | 2023:01.03.16.46.02 (UTC) administrator | |||
| DOI | 10.1021/acs.jcim.1c01573 | |||
| ISSN | 1549-9596 | |||
| Chave de Citação | OliveiraSilvQuil:2022:MoPrPr | |||
| Título | Molecular Property Prediction and Molecular Design Using a Supervised Grammar Variational Autoencoder  | |||
| Ano | 2022 | |||
| Data de Acesso | 29 jun. 2024 | |||
| Tipo de Trabalho | journal article | |||
| Tipo Secundário | PRE PI | |||
| Número de Arquivos | 1 | |||
| Tamanho | 3692 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Oliveira, André Freitas 2 Silva, Juarez L. F. da 3 Quiles, Marcos G. | |||
| ORCID | 1 0000-0001-7833-9141 2 0000-0003-0645-8760 3 0000-0001-8147-554X | |||
| Grupo | 1 CAP-COMP-DIPGR-INPE-MCTI-GOV-BR | |||
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Universidade de São Paulo (USP) 3 Universidade Federal de São Paulo (UNIFESP) | |||
| Endereço de e-Mail do Autor | 1 andre.oliveira@inpe.br 2 3 quiles@unifesp.br | |||
| Revista | Journal of Chemical Information and Modeling | |||
| Volume | 62 | |||
| Páginas | 817-828 | |||
| Nota Secundária | A1_QUÍMICA A1_MEDICINA_II A1_INTERDISCIPLINAR A1_FARMÁCIA A1_CIÊNCIAS_BIOLÓGICAS_I A1_BIOTECNOLOGIA A2_ENGENHARIAS_II A2_ASTRONOMIA_/_FÍSICA B2_ENSINO C_CIÊNCIAS_AGRÁRIAS_I | |||
| Histórico (UTC) | 2022-03-09 17:48:32 :: simone -> administrator :: 2022 2023-01-03 16:46:02 :: administrator -> simone :: 2022 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Tipo do Conteúdo | External Contribution | |||
| Tipo de Versão | publisher | |||
| Resumo | Some of the most common applications of machine learning (ML) algorithms dealing with small molecules usually fall within two distinct domains, namely, the prediction of molecular properties and the design of novel molecules with some desirable property. Here we unite these applications under a single molecular representation and ML algorithm by modifying the grammar variational autoencoder (GVAE) model with the incorporation of property information into its training procedure, thus creating a supervised GVAE (SGVAE). Results indicate that the biased latent space generated by this approach can successfully be used to predict the molecular properties of the input molecules, produce novel and unique molecules with some desired property and also estimate the properties of random sampled molecules. We illustrate these possibilities by sampling novel molecules from the latent space with specific values of the lowest unoccupied molecular orbital (LUMO) energy after training the model using the QM9 data set. Furthermore, the trained model is also used to predict the properties of a hold-out set and the resulting mean absolute error (MAE) shows values close to chemical accuracy for the dipole moment and atomization energies, even outperforming ML models designed to exclusive predict molecular properties using the SMILES as molecular representation. Therefore, these results show that the proposed approach is a viable way to provide generative ML models with molecular property information in a way that the generation of novel molecules is likely to achieve better results, with the benefit that these new molecules can also have their molecular properties accurately predicted. | |||
| Área | COMP | |||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Molecular Property Prediction... | |||
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Molecular Property Prediction... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| Idioma | en | |||
| Arquivo Alvo | Oliveira_2022_Molecular.pdf | |||
| Grupo de Usuários | simone | |||
| Grupo de Leitores | administrator simone | |||
| Visibilidade | shown | |||
| Permissão de Leitura | deny from all and allow from 150.163 | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS 8JMKD3MGPCW/46KUES5 | |||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.12.22.16 6 sid.inpe.br/bibdigital/2022/04.03.23.11 1 | |||
| Divulgação | WEBSCI; PORTALCAPES; SCOPUS. | |||
| Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 | |||
| 6. Notas | ||||
| Campos Vazios | alternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn keywords label lineage mark mirrorrepository month nextedition notes number parameterlist parentrepositories previousedition previouslowerunit progress project resumeid rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||