亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

ClipMol: A Molecular Representation Learning Framework for CCS Prediction via SMILES–InChI Dual-View Chemical Language Alignment

稳健性(进化) 水准点(测量) 可扩展性 代表(政治) 化学 回归 计算机科学 构象异构 机器学习 人工智能 碰撞 化学过程 外部数据表示 标记数据 分子动力学 标杆管理 采样(信号处理) 加合物
作者
Shengcai Shen,Chaoting Shi,Yu Wang,Xiang Chen,Yan Zhou,Bing Xia
出处
期刊:Analytical Chemistry [American Chemical Society]
卷期号:98 (30): 22451-22461
标识
DOI:10.1021/acs.analchem.6c03104
摘要

Although existing molecular pretraining models have achieved favorable performance on various downstream tasks, their reliance on explicit three-dimensional conformer sampling or external natural-language corpora often increases computational cost and affects structural fidelity. Here, we propose ClipMol, a molecular representation learning framework based on SMILES-InChI dual-view chemical-language alignment. Without requiring explicit three-dimensional conformers or external corpora, ClipMol jointly models local chemical microenvironments and global structural constraints of molecules. Benchmark results show that ClipMol and its scaled variant, ClipMol-XL, achieve strong overall performance on both classification and regression tasks. More importantly, for collision cross-section (CCS) prediction in ion mobility-mass spectrometry, ClipMol shows stable and competitive performance on two independent benchmark data sets, METLIN-CCS and ALLCCS, while maintaining robustness across different adduct compositions and diverse chemical categories. Compared with state-of-the-art and competitive CCS prediction models, the ClipMol models achieved the best or highly competitive averaged performance on both data sets, with ClipMol-XL showing the strongest overall R2 and root-mean-square error performance. Overall, ClipMol provides a scalable and structurally faithful solution for molecular representation learning and IM-MS-related CCS prediction in analytical chemistry.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
汉堡包的应助被whc采纳,获得10
1秒前
9秒前
科研通AI6.3的应助被聪慧亦凝采纳,获得10
14秒前
whc发布了新的文献求助10
14秒前
22秒前
李爱国的应助被初景采纳,获得10
25秒前
聪慧亦凝发布了新的文献求助10
27秒前
动听的诗翠完成签到,获得积分10
35秒前
虚拟的清炎完成签到 ,获得积分10
36秒前
57秒前
初景发布了新的文献求助10
1分钟前
充电宝的应助被荷兰香猪采纳,获得10
1分钟前
香蕉觅云的应助被蔓越莓奶酥采纳,获得30
1分钟前
沉默的樱完成签到,获得积分10
1分钟前
1分钟前
荷兰香猪发布了新的文献求助10
1分钟前
英俊的铭的应助被amiee采纳,获得10
1分钟前
xiaoshulin完成签到,获得积分10
2分钟前
勤劳的翩跹完成签到,获得积分10
2分钟前
yc发布了新的文献求助10
2分钟前
3分钟前
3分钟前
3分钟前
我是笨蛋完成签到 ,获得积分10
3分钟前
欣喜的人龙完成签到 ,获得积分10
3分钟前
无花果的应助被荷兰香猪采纳,获得10
3分钟前
炙热芒果完成签到 ,获得积分10
4分钟前
4分钟前
荷兰香猪发布了新的文献求助10
4分钟前
传奇3的应助被药石无医采纳,获得10
4分钟前
4分钟前
Hello的应助被或大或小采纳,获得10
4分钟前
药石无医发布了新的文献求助10
4分钟前
传统的艳完成签到,获得积分10
4分钟前
荷兰香猪发布了新的文献求助10
4分钟前
zhangnan完成签到 ,获得积分10
4分钟前
荷兰香猪完成签到,获得积分10
4分钟前
4分钟前
lay完成签到,获得积分10
4分钟前
amiee发布了新的文献求助10
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Sex, Aging, and Death in a Medieval Medical Compendium: Trinity College Cambridge MS R.14.52, Its Texts, Language, and Scribe 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8190159
求助须知:如何正确求助?哪些是违规求助? 9577257
关于积分的说明 21852297
捐赠科研通 7788567
什么是DOI,文献DOI怎么找? 3436279
关于科研通互助平台的介绍 2560058
邀请新用户注册赠送积分活动 2482880