Explainable AI for Molecules - AiChemist

Informazioni relative al progetto

AiChemist

ID dell’accordo di sovvenzione: 101120466

DOI

10.3030/101120466

Data della firma CE 14 Luglio 2023

Data di avvio 1 Settembre 2023

Data di completamento 31 Agosto 2027

Finanziato da

• Marie Skłodowska-Curie Actions (MSCA)

Costo totale

Nessun dato

Contributo UE

€ 3 028 356,00

Coordinato da

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
Germany

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

Peer reviewed articles (5)

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

Autori: Peter B. R. Hartog, Fabian Krüger, Samuel Genheden, Igor V. Tetko
Pubblicato in: Journal of Cheminformatics, Numero 16, 2024, ISSN 1758-2946
Editore: 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

Autori: Jaehyeon Park, Shahzad Rashid, Helena Copsey, Lang Tran, Alex Zabeo, Danail Hristozov, Giorgos P. Gakis, Costas Charitidis, Seokjoo Yoon, Hyun Kil Shin
Pubblicato in: ACS Nanoscience Au, Numero 5, 2025, ISSN 2694-2496
Editore: 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

Autori: Andrea Hunklinger, Peter Hartog, Martin Šícho, Guillaume Godin, Igor V. Tetko
Pubblicato in: SLAS Discovery, Numero 29, 2024, ISSN 2472-5552
Editore: Elsevier BV
DOI: 10.26434/CHEMRXIV-2023-P8QCV

Predicting reaction conditions: a data-driven perspective

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

MolEncoder: towards optimal masked language modeling for molecules

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

Other (3)

Tox24 Challenge

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

Advanced machine learning for innovative drug discovery

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

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

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

Conference proceedings (2)

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

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

MolEncoder: Improved Masked Language Modeling for Molecules

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