Explainable AI for Molecules - AiChemist

Información del proyecto

AiChemist

Identificador del acuerdo de subvención: 101120466

DOI

10.3030/101120466

Fecha de la firma de la CE 14 Julio 2023

Fecha de inicio 1 Septiembre 2023

Fecha de finalización 31 Agosto 2027

Financiado con arreglo a

• Marie Skłodowska-Curie Actions (MSCA)

Coste total

Sin datos

Aportación de la UE

€ 3 028 356,00

Coordinado por

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
Germany

CORDIS proporciona enlaces a los documentos públicos y las publicaciones de los proyectos de los programas marco HORIZONTE.

Los enlaces a los documentos y las publicaciones de los proyectos del Séptimo Programa Marco, así como los enlaces a algunos tipos de resultados específicos, como conjuntos de datos y «software», se obtienen dinámicamente de OpenAIRE .

Publicaciones

Peer reviewed articles (5)

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

Autores: Peter B. R. Hartog, Fabian Krüger, Samuel Genheden, Igor V. Tetko
Publicado en: Journal of Cheminformatics, Edición 16, 2024, ISSN 1758-2946
Editor: 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

Autores: Jaehyeon Park, Shahzad Rashid, Helena Copsey, Lang Tran, Alex Zabeo, Danail Hristozov, Giorgos P. Gakis, Costas Charitidis, Seokjoo Yoon, Hyun Kil Shin
Publicado en: ACS Nanoscience Au, Edición 5, 2025, ISSN 2694-2496
Editor: 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

Autores: Andrea Hunklinger, Peter Hartog, Martin Šícho, Guillaume Godin, Igor V. Tetko
Publicado en: SLAS Discovery, Edición 29, 2024, ISSN 2472-5552
Editor: Elsevier BV
DOI: 10.26434/CHEMRXIV-2023-P8QCV

Predicting reaction conditions: a data-driven perspective

Autores: Matthew Ball, Dragos Horvath, Thierry Kogej, Mikhail Kabeshov, Alexandre Varnek
Publicado en: Chemical Science, Edición 16, 2025, ISSN 2041-6520
Editor: Royal Society of Chemistry (RSC)
DOI: 10.26434/CHEMRXIV-2025-VC6TV

MolEncoder: towards optimal masked language modeling for molecules

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

Other (3)

Tox24 Challenge

Autores: Tetko, Igor V.
Publicado en: Chemical Research in Toxicology, 2024
DOI: 10.1021/ACS.CHEMRESTOX.4C00192

Advanced machine learning for innovative drug discovery

Autores: Igor V. Tetko; Djork-Arné Clevert
Publicado en: Journal of Cheminformatics, 2025
DOI: 10.1186/S13321-025-01061-W

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

Autores: Alessandra Roncaglioni, Simona Kovarich, Kamel Mansouri, Igor V. Tetko
Publicado en: Chemical Research in Toxicology, Edición 38, 2025, ISSN 0893-228X
Editor: American Chemical Society (ACS)
DOI: 10.1021/ACS.CHEMRESTOX.5C00293

Conference proceedings (2)

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

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

MolEncoder: Improved Masked Language Modeling for Molecules

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