Модель DeepChem на базе RoBERTa для многозадачного прогнозирования свойств молекул по их текстовым представлениям.
Подходит для: прогнозирование нескольких свойств молекулы по SMILES · оценка молекулярных характеристик в исследовании лекарственных кандидатов · получение регрессионных оценок для набора химических соединений
MoLFormer-XL-both-10% извлекает представления молекул из SMILES для оценки сходства и предсказания химических свойств.
Подходит для: извлечение эмбеддингов молекул из SMILES · поиск структурно похожих молекул · визуализация молекулярного пространства
ChemBERTa-77M-MLM — модель DeepChem на базе RoBERTa для заполнения маскированных токенов в строках SMILES и получения молекулярных представлений для химических задач.
Подходит для: предсказание пропущенных токенов в SMILES · получение представлений малых молекул для машинного обучения · дообучение на классификации токсичности соединений
Базовая модель RoBERTa, обученная предсказывать замаскированные токены в химических SMILES-последовательностях.
Подходит для: Предсказание пропущенных токенов в строках SMILES · Получение представлений молекул для последующего машинного обучения · Подготовка признаков для оценки токсичности молекул
Компактная модель Meta AI для заполнения пропусков и анализа аминокислотных последовательностей белков.
Подходит для: восстановление пропущенных аминокислот в белковой последовательности · получение представлений белковых последовательностей для последующего анализа · дообучение для предсказания свойств белков
Молекулярный энкодер DeBERTaV2 для получения представлений молекул по SMILES и последующего прогнозирования их свойств.
Подходит для: получение эмбеддингов молекул из SMILES · оценка сходства молекул · подготовка признаков для прогнозирования свойств молекул
Предварительно обученная ChemBERTa на архитектуре RoBERTa для предсказания замаскированных токенов в молекулярных последовательностях.
Подходит для: заполнение пропущенных токенов в строках молекул · изучение представлений молекулярных последовательностей · создание основы для моделей хемоинформатики
Модель ChemBERTa на базе RoBERTa, обученная на SMILES, предсказывает замаскированные части молекулярных строк и формирует представления для химического анализа.
Подходит для: заполнение замаскированных токенов в SMILES · получение представлений молекулярных строк · подготовка признаков молекул для прогнозирования свойств
Белковая языковая модель ESM++ для заполнения пропусков в аминокислотных последовательностях и получения представлений белков.
Подходит для: восстановление замаскированных аминокислот в белковой последовательности · получение эмбеддингов белковых последовательностей · получение представлений отдельных остатков белка
Энкодер ModernBERT, предобученный на SMILES для получения молекулярных представлений и последующего предсказания свойств молекул.
Подходит для: дообучение для предсказания физико-химических свойств молекул · оценка активности молекулярных соединений на размеченных наборах данных · получение контекстных представлений строк SMILES
Небольшая модель RoBERTa от DeepChem для предсказания замаскированных токенов в химических строках SMILES.
Подходит для: восстановление замаскированных токенов в строке SMILES · изучение химического контекста последовательности молекулы · подготовка представлений молекул для последующего дообучения
ChemFM-3B — химическая языковая модель для работы с молекулами в формате SMILES, генерации структур и адаптации к задачам химического прогнозирования.
Подходит для: генерация новых молекул в формате SMILES · прогнозирование физико-химических свойств молекул после дообучения · предсказание продуктов химических реакций после дообучения
Компактная RoBERTa-модель DeepChem для восстановления замаскированных токенов в SMILES и построения представлений молекул.
Подходит для: восстановление пропущенных токенов в SMILES · предобучение представлений молекул · извлечение признаков химических структур
Компактный энкодер DeBERTaV2, обученный на SMILES для получения эмбеддингов молекул и настройки на задачи предсказания свойств.
Подходит для: получение эмбеддингов молекулярных последовательностей SMILES · поиск похожих молекул по эмбеддингам · визуализация молекулярных представлений
Предварительно обученный энкодер SMILES для получения молекулярных представлений, сравнения молекул и дообучения на предсказание их свойств.
Подходит для: получение эмбеддингов молекул из SMILES · оценка сходства между молекулами · дообучение на предсказание свойств молекул
Chemma-2B — специализированная языковая модель для генерации и оптимизации молекул, а также предсказания их свойств по химическим тегам.
Подходит для: генерация молекул SMILES с заданным значением свойства · предсказание вычисляемых свойств заданной молекулы · поиск молекул, похожих на указанное соединение
RoFormer-модель, предобученная на пептидах и малых молекулах для заполнения маскированных участков химических последовательностей.
Подходит для: заполнение пропущенных фрагментов в последовательностях пептидов · восстановление замаскированных частей представления малых молекул · предсказание вероятных токенов в химических последовательностях
RoBERTa-модель для маскированного моделирования SMILES и создания представлений молекул для последующего анализа химических свойств.
Подходит для: восстановление замаскированных фрагментов SMILES · получение эмбеддингов молекул · дообучение для предсказания свойств молекул
Авторегрессионная модель на строках SMILES для генерации новых молекул и дополнения заданных молекулярных каркасов.
Подходит для: безусловная генерация новых молекул · генерация молекул по заданному SMILES-каркасу · декорирование молекулярного каркаса
MHG-GNN кодирует молекулы из SMILES в векторные представления и декодирует их обратно в структурно корректные SMILES.
Подходит для: получение эмбеддингов молекул для машинного обучения · извлечение признаков из молекулярных графов · подготовка представлений молекул для прогнозирования их свойств
Энкодер DeBERTaV2, обученный на SMILES для получения эмбеддингов молекул и последующего применения в задачах химического прогнозирования.
Подходит для: получение эмбеддингов молекул из SMILES · поиск структурно схожих молекул · визуализация молекулярных представлений
Компактная модель GPT-Neo для генерации молекулярных последовательностей и исследований предварительного обучения на химических данных.
Подходит для: генерация молекул в формате SELFIES · создание кандидатов молекул для последующего химического анализа · исследование влияния предварительного обучения на генерацию молекул
Молекулярный энкодер DeBERTaV2 для получения эмбеддингов SMILES и дообучения на задачах предсказания свойств молекул.
Подходит для: получение эмбеддингов молекул из SMILES · поиск сходных молекул по векторным представлениям · подготовка признаков для предсказания свойств молекул
Модель ChemBERTa на базе RoBERTa, обученная на химических последовательностях SMILES для заполнения маски и получения представлений молекул для задач хемоинформатики.
Подходит для: предсказание замаскированного токена в последовательности SMILES · изучение языковых представлений молекулярных структур · подготовка химической языковой модели к дообучению на свойствах молекул