Телеграм канал «Chemoinformatics papers»

Nice overview of 2D visualization approaches for chemical space analysis from Sergei Sosnin. Rather short and crisp text with lot of important and interesting information. #chemicalspace https://www.sciencedirect.com/science/article/pii/S1359644625001059 However, I lack the main thing - how the maps look like. And the best example of this was done some years ago by Helena Gaspar in her PhD thesis when she applied the same dataset and descriptors on many different visualization approaches. I even copied pictures here that everyone can enjoy the beauty of chemical space maps. https://theses.hal.science/tel-01292573/file/Gaspar_Helena_2015_ED222.pdf

Healx people (Nathan and Giovanni) published a very interesting KNIME workflow for biological data analysis from ChEMBL. It is quite comprehensive and gives impression of bioactivity distribution for targets and compounds. If you're not such a programming savvy chemist, this solution is for you. #medchem #openscience #data KNIME pipeline: https://hub.knime.com/gcincilla/spaces/Molecular%20data%20retrieval%20&%20analysis/Biological%20Target%20Profile~JwjkriL1mMXK597G/most-recent Medium post: https://medium.com/low-code-for-advanced-data-science/unveiling-biological-targets-with-knime-96562922aeb1

🌟 ether0: специализированная модель с ризонингом для химии. Ether0 - специализированная модель с 24 млрд. параметров, разработанная FutureHouse для проектирования соединений и решения сложных задач в химии. В отличие от традиционных моделей, она не просто пересказывает теорию, а решает практические задачи: считает атомы, проверяет химическую стабильность и генерирует структуры, подходящие для синтеза, используя естественный язык для рассуждений и вывода структур в формате SMILES. SMILES (Simplified Molecular Input Line Entry System) — это линейная текстовая нотация для описания структуры химических соединений с использованием коротких ASCII-строк. Он позволяет кодировать молекулярные графы, включая информацию о связях, атомах и хиральности, что делает его удобным для обмена данными в химинформатике. Пайплайн инференса выглядит так: пользователь вводит текстовый запрос (например, «создай ингибитор киназы с 30 атомами»), модель запускает цепочку рассуждений. Они работают параллельно, предлагая варианты, а потом выбирается лучший результат. Это позволяет комбинировать экспертизу: одна часть системы фокусируется на структуре кольца, другая — на функциональных группах, третья — на токсичности. Основой ether0 стала Mistral-Small-24B-Instruct-2501, которую адаптировали в несколько итераций. Сначала исходная модель Mistral прошла стадию SFT на примерах цепочек рассуждений, сгенерированных другими моделями. Затем ее усилили обучением на группах связанных задач предсказания растворимости и синтеза. После этого, знания объединили в общий пул через дистилляцию, а затем улучшили его с помощью общего RL. В завершении - GRPO, который сравнивает несколько вариантов ответов на один вопрос, выбирая наиболее точные. Финальный штрих - алайнмент. Модель обучили избегать генерации опасных соединений через дополнительные данные и RL. В тестах ether0 сравнивали с общими LLM (Claude, o1), специализированными химическими моделями (ChemDFM, TxGemma) и традиционными подходами (Molecular Transformer). На тестовых задачах с множественным выбором (MCQ), она показала 50,1% точности в режиме zero-shot, что близко к результату o1-2024-12-17 (52,2%). В задачах проектирования молекул (предсказание реакций) ether0 достигла 70% точности после 46 000 примеров, а MT, обученный на полном наборе данных USPTO (480 000 реакций), показал лишь 64,1%. ether0 превзошла людей-экспертов и специализированные модели в OA, а тесты на безопасность показали, что модель отказывается от 80% опасных запросов, не теряя точности . 📌 Лицензирование: Apache 2.0 License. 🟡Статья 🟡Модель 🟡Техотчет 🟡Demo 🖥 GitHub @ai_machinelearning_big_data #AI #ML #LLM #Ether0 #Chemistry #FutureHouse

For those who can read Russian - a small report about Ether0 from another Telegram channel specialized in ML

Here no comments, just Andrew White and FutureHouse are amazing! Start-up FutureHouse debuts powerful AI ‘reasoning model’ for science. The model, called ether0, outperforms other advanced AIs at chemistry tasks and is a stepping stone towards automating the entire research pipeline. #LLM #deeplearning Preprint: https://storage.googleapis.com/aviary-public/ether0_preprint.pdf At glance: https://www.nature.com/articles/d41586-025-01753-1 Model: https://huggingface.co/futurehouse/ether0