基于分子图的深度学习在化学和药物领域非常热门。
2019年8月13日JMC（Journal of Medicinal Chemistry）刊登了一篇文章“Pushing the Boundaries of Molecular Representation for Drug Discovery with the Graph Attention Mechanism”，介绍了一种基于注意力机制的图神经网络模型（Attentive FP）。该模型可以用于分子表征，在多个药物发现相关的数据集上的预测表现达到当前最优，并且该模型所学到的内容具有可解释性。
DGL具有许多用于化学信息学、药物与生物信息学任务的函数。
DGL开发人员提供了基于DGL实现的Attentive FP模型， 基于Attentive FP探索分子性质预测的线性模型。
基于Attentive FP的分子性质线性模型
转载：https://blog.csdn.net/u012325865/article/details/104868265
查看评论