Explainable AI for Molecules - AiChemist

Projektinformationen

AiChemist

ID Finanzhilfevereinbarung: 101120466

DOI

10.3030/101120466

EK-Unterschriftsdatum 14 Juli 2023

Startdatum 1 September 2023

Enddatum 31 August 2027

Finanziert unter

• Marie Skłodowska-Curie Actions (MSCA)

Gesamtkosten

Keine Daten

EU-Beitrag

€ 3 028 356,00

Koordiniert durch

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
Germany

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Veröffentlichungen

Peer reviewed articles (5)

Using test-time augmentation to investigate explainable AI: inconsistencies between method, model and human intuition

Autoren: Peter B. R. Hartog, Fabian Krüger, Samuel Genheden, Igor V. Tetko
Veröffentlicht in: Journal of Cheminformatics, Ausgabe 16, 2024, ISSN 1758-2946
Herausgeber: Springer Science and Business Media LLC
DOI: 10.1186/S13321-024-00824-1

NanoToxRadar: A Multitarget Nano-QSAR Model for Predicting the Cytotoxicity Values of Multicomponent Nanoparticles

Autoren: Jaehyeon Park, Shahzad Rashid, Helena Copsey, Lang Tran, Alex Zabeo, Danail Hristozov, Giorgos P. Gakis, Costas Charitidis, Seokjoo Yoon, Hyun Kil Shin
Veröffentlicht in: ACS Nanoscience Au, Ausgabe 5, 2025, ISSN 2694-2496
Herausgeber: American Chemical Society (ACS)
DOI: 10.1021/ACSNANOSCIENCEAU.5C00035

The openOCHEM consensus model is the best-performing open-source predictive model in the First EUOS/SLAS joint compound solubility challenge

Autoren: Andrea Hunklinger, Peter Hartog, Martin Šícho, Guillaume Godin, Igor V. Tetko
Veröffentlicht in: SLAS Discovery, Ausgabe 29, 2024, ISSN 2472-5552
Herausgeber: Elsevier BV
DOI: 10.26434/CHEMRXIV-2023-P8QCV

Predicting reaction conditions: a data-driven perspective

Autoren: Matthew Ball, Dragos Horvath, Thierry Kogej, Mikhail Kabeshov, Alexandre Varnek
Veröffentlicht in: Chemical Science, Ausgabe 16, 2025, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry (RSC)
DOI: 10.26434/CHEMRXIV-2025-VC6TV

MolEncoder: towards optimal masked language modeling for molecules

Autoren: Fabian P. Krüger, Nicklas Österbacka, Mikhail Kabeshov, Ola Engkvist, Igor Tetko
Veröffentlicht in: Digital Discovery, 2025, ISSN 2635-098X
Herausgeber: Royal Society of Chemistry (RSC)
DOI: 10.1039/D5DD00369E

Other (3)

Tox24 Challenge

Autoren: Tetko, Igor V.
Veröffentlicht in: Chemical Research in Toxicology, 2024
DOI: 10.1021/ACS.CHEMRESTOX.4C00192

Advanced machine learning for innovative drug discovery

Autoren: Igor V. Tetko; Djork-Arné Clevert
Veröffentlicht in: Journal of Cheminformatics, 2025
DOI: 10.1186/S13321-025-01061-W

Advancing Human and Environmental Safety Science Using <i>In Silico</i> Methods

Autoren: Alessandra Roncaglioni, Simona Kovarich, Kamel Mansouri, Igor V. Tetko
Veröffentlicht in: Chemical Research in Toxicology, Ausgabe 38, 2025, ISSN 0893-228X
Herausgeber: American Chemical Society (ACS)
DOI: 10.1021/ACS.CHEMRESTOX.5C00293

Conference proceedings (2)

Uni-Mol Docking V2: Towards Realistic and Accurate Binding Pose Prediction

Autoren: Eric Alcaide, Zhifeng Gao, Guolin Ke, Yaqi Li, Linfeng Zhang, Hang Zheng, Gengmo Zhou
Veröffentlicht in: Lecture Notes in Computer Science, Artificial Neural Networks and Machine Learning. ICANN 2025 International Workshops and Special Sessions, 2025
Herausgeber: Springer Nature Switzerland
DOI: 10.48550/ARXIV.2405.11769

MolEncoder: Improved Masked Language Modeling for Molecules

Autoren: Fabian P. Krüger, Nicklas Österbacka, Mikhail Kabeshov, Ola Engkvist, Igor Tetko
Veröffentlicht in: Lecture Notes in Computer Science, Artificial Neural Networks and Machine Learning. ICANN 2025 International Workshops and Special Sessions, 2025
Herausgeber: Springer Nature Switzerland
DOI: 10.26434/CHEMRXIV-2025-H4W9D