Explainable AI for Molecules - AiChemist

Informacje na temat projektu

AiChemist

Identyfikator umowy o grant: 101120466

DOI

10.3030/101120466

Data podpisania przez KE 14 Lipca 2023

Data rozpoczęcia 1 Września 2023

Data zakończenia 31 Sierpnia 2027

Finansowanie w ramach

• Marie Skłodowska-Curie Actions (MSCA)

Koszt całkowity

Brak danych

Wkład UE

€ 3 028 356,00

Koordynowany przez

HELMHOLTZ ZENTRUM MUENCHEN DEUTSCHES FORSCHUNGSZENTRUM FUER GESUNDHEIT UND UMWELT GMBH
Germany

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Peer reviewed articles (5)

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

Autorzy: Peter B. R. Hartog, Fabian Krüger, Samuel Genheden, Igor V. Tetko
Opublikowane w: Journal of Cheminformatics, Numer 16, 2024, ISSN 1758-2946
Wydawca: 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

Autorzy: Jaehyeon Park, Shahzad Rashid, Helena Copsey, Lang Tran, Alex Zabeo, Danail Hristozov, Giorgos P. Gakis, Costas Charitidis, Seokjoo Yoon, Hyun Kil Shin
Opublikowane w: ACS Nanoscience Au, Numer 5, 2025, ISSN 2694-2496
Wydawca: 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

Autorzy: Andrea Hunklinger, Peter Hartog, Martin Šícho, Guillaume Godin, Igor V. Tetko
Opublikowane w: SLAS Discovery, Numer 29, 2024, ISSN 2472-5552
Wydawca: Elsevier BV
DOI: 10.26434/CHEMRXIV-2023-P8QCV

Predicting reaction conditions: a data-driven perspective

Autorzy: Matthew Ball, Dragos Horvath, Thierry Kogej, Mikhail Kabeshov, Alexandre Varnek
Opublikowane w: Chemical Science, Numer 16, 2025, ISSN 2041-6520
Wydawca: Royal Society of Chemistry (RSC)
DOI: 10.26434/CHEMRXIV-2025-VC6TV

MolEncoder: towards optimal masked language modeling for molecules

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

Other (3)

Tox24 Challenge

Autorzy: Tetko, Igor V.
Opublikowane w: Chemical Research in Toxicology, 2024
DOI: 10.1021/ACS.CHEMRESTOX.4C00192

Advanced machine learning for innovative drug discovery

Autorzy: Igor V. Tetko; Djork-Arné Clevert
Opublikowane w: Journal of Cheminformatics, 2025
DOI: 10.1186/S13321-025-01061-W

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

Autorzy: Alessandra Roncaglioni, Simona Kovarich, Kamel Mansouri, Igor V. Tetko
Opublikowane w: Chemical Research in Toxicology, Numer 38, 2025, ISSN 0893-228X
Wydawca: American Chemical Society (ACS)
DOI: 10.1021/ACS.CHEMRESTOX.5C00293

Conference proceedings (2)

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

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

MolEncoder: Improved Masked Language Modeling for Molecules

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