Характеристики

Лицензия: MIT
Опубликована: 5 апр 2026

Ссылки

Hugging Face

Molecular_Property_Prediction-Multihead_GINE

teohyc

Языковая модель

Модель GINE преобразует строки SMILES в графы молекул и предсказывает несколько физико-химических свойств.

0скачиваний за 30 дней12лайковвеса обновлены5 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Multi-Head Graph Isomorphism Network на основе GINE, опубликованная teohyc, предназначена для предсказания молекулярных свойств по строкам SMILES. Модель преобразует SMILES в граф молекулы и выдаёт оценки липофильности, молекулярной массы, числа доноров и акцепторов водородных связей.

Модель реализована на PyTorch и PyTorch Geometric и обучена на данных библиотеки ChEMBL. Она принимает текстовое представление молекулы и возвращает численные предсказания свойств; архитектура с несколькими головами обслуживает несколько показателей в одном запуске. Лицензия репозитория — MIT.

Сценарии применения

оценка липофильности молекулы по SMILES
предсказание молекулярной массы
подсчёт доноров водородных связей
подсчёт акцепторов водородных связей
быстрая оценка свойств соединений из ChEMBL

Ограничения

Описание подтверждает предсказание только четырёх перечисленных свойств и не приводит метрик качества или сведений о диапазоне применимости; точность вне обучающих данных ChEMBL не установлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Multi-Head Graph Isomorphism Network (GINE) for Molecular Property Prediction

This is a Multi-Head Graph Isomorphism Network (GINE) model designed for predicting molecular properties such as lipophilicity, molecular weight, hydrogen bond donor count, and hydrogen bond acceptor count from SMILES strings. The model takes a SMILES string as input, converts it into a graph representation, and outputs the predicted properties. Training data from ChemBL library

Full project file at https://github.com/teohyc/drug_agent

Usage

from prop_gnn_infer import predict_mol
from prop_gnn_model import MoleculeGINE

#change to your test SMILES strings
print(predict_mol(test_smiles=["O=C1N=C2SCCN2C(=O)C1Cc1ccc(Cl)cc1", "C[C@@H]1C[C@H]2[C@@H]3CCC4=CC(=O)C=C[C@]4(C)[C@@]3(F)[C@@H](O)C[C@]2(C)[C@@]1(C)C(=O)CO"]))

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Графовые модели пока не поддерживаются.

Ревизия весов: 9fb856f