【GNN报告】加拿大蒙特利尔唐建：图几何学习与药物发现

1、简介

报告嘉宾：唐建（加拿大蒙特利尔算法研究院，加拿大蒙特利尔大学商学院）

报告题目：Geometric Deep Learning For Drug Discovery

报告摘要

报告人简介

唐建博士，现任加拿大蒙特利尔学习算法研究所 (Mila) 以及蒙特利尔大学商学院副教授，加拿大人工智能研究主席（CIFAR AI Research Chair）；主要研究方向为图表示学习、图神经网络，生成模型、知识图谱，和药物发现。他曾获得 ICML2014最佳论文奖， WWW2016最佳论文提名，Amazon及腾讯教师研究奖等。他是图表示学习领域的代表性人物，发表了图表示学习领域一系列代表性的工作如 LINE、LargeVis、RotatE 等，多次担任 NeurIPS，ICML领域主席。他的团队近期开源了基于机器学习的药物研发系统，受到广泛关注。个人主页：https://www.jian-tang.com/

2、Geometric Deep Learning For Drug Discovery

 药物学习背景

 

学习过程

新工作大纲

分别对应的工作

 insight:建模为3D结构

分子和蛋白质建模工作 GeoDiff 

 

 

 

 基于3D结构的深度学习预训练技术（刚挂出来） 生物医学知识图谱推理  Neural Bellman-Fold Networks 工作

 

 

 

 

 

 

TorchDrug药物发现系统平台

 

 

 目前大多针对小分子，目前也在研究大分子（就是上面图中最后一个模块）

旧工作大纲

分子性质预测任务

工具

方法 InfoGraph

 

 

 实验结果

分子设计与优化任务

 GraphAF方法

动机

  

 实验结果

 

 

 

Retrosynthesis预测任务

 G2Gs方法

 

 

 实验结果

 

  Going Beyond 2D Graphs: 3D Structures

 

 

 

 

 

 

 Reasoning on Knowledge Graphs

小结 

 

3、参考

中科大×LOGS || 加拿大蒙特利尔唐建：图几何学习与药物发现_哔哩哔哩_bilibili

中科大×LOGS|| 加拿大蒙特利尔唐建：图几何学习与药物发现

https://github.com/tangjianpku

Jian Tang’s Homepage

清华AIR学术工作坊 | 唐建：基于图表示学习的新药发现（上）_哔哩哔哩_bilibili

清华AIR学术工作坊 | 唐建：基于图表示学习的新药发现（下）_哔哩哔哩_bilibili