Fugu-MT 論文翻訳(概要): NISPO: Open-source IUPAC name generation tool

論文の概要: NISPO: Open-source IUPAC name generation tool

arxiv url: http://arxiv.org/abs/2607.26113v1
Date: Tue, 28 Jul 2026 15:33:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-30 21:06:25.432701
Title: NISPO: Open-source IUPAC name generation tool
Title（参考訳）: NISPO:オープンソースIUPACネーム生成ツール
Abstract要約: IUPAC名生成のためのオープンソースPythonパッケージであるNISPOを紹介する。オープンソースのOPSINツールがそれを入力構造に解析した場合、生成された名前は正しいと考えられていた。このツールは103万のPubChem分子の保持されたセットで98.1%の精度を達成した。
参考スコア（独自算出の注目度）: 11.054781534160242
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Systematic International Union of Pure and Applied Chemistry (IUPAC) names are standard for communicating molecular structures in chemical literature, patents, and databases. We introduce NISPO, an open-source RDKit-based Python package for IUPAC name generation. NISPO was developed by an agentic self-improvement loop using OpenAI's Codex with the GPT-5.5 model. A generated name was considered correct if the open-source OPSIN tool parsed it back to the input structure. Guided by this objective, the agent implemented and refined NISPO against 2.68 million molecules from SureChEMBL, resulting in the tool achieving 98.1% round-trip accuracy on a held-out set of 103 million PubChem molecules. NISPO is freely available at https://github.com/oxpig/nispo.
Abstract（参考訳）: IUPAC (Systematic International Union of Pure and Applied Chemistry) は、化学文献、特許、データベースにおける分子構造を伝えるための標準名称である。 IUPAC名生成のためのオープンソースのRDKitベースのPythonパッケージであるNISPOを紹介する。 NISPO は GPT-5.5 モデルで OpenAI の Codex を使用したエージェントによる自己改善ループによって開発された。オープンソースのOPSINツールがそれを入力構造に解析した場合、生成された名前は正しいと考えられていた。この目的により、SureChEMBLから2.68万個の分子に対してNISPOを実装、精製し、その結果、このツールは103万個のPubChem分子の保持されたセットに対して98.1%のラウンドトリップ精度を達成した。 NISPOはhttps://github.com/oxpig/nispo.comで無料で利用できる。

関連論文リスト

MinerU.Chem: A High-Precision System for Optical Chemical Structure and Reaction Recognition [91.38955433649268]
MinerU-Chemは、MinerUオンラインプラットフォームに統合された有機化学文献の文書解析システムである。 MinerUの汎用文書解析パイプライン上に構築されたMinerU-Chemは、化学固有の5つのモジュールを追加する。分子構造認識において、MinerU-Chemはコア表現としてCARBONを使用している。
論文参考訳（メタデータ） (2026-08-04T12:09:02Z)
MolLingo: Molecule-Native Representations for LLM-Powered Scientific Agents [57.28652712579434]
分子設計を自動化するために化学者の推論過程をエミュレートするマルチエージェントシステムであるMolLingoを提案する。 MolLingoは、共有メモリモジュールを通じて、文学エージェント、化学エージェント、オーケストレーションをコーディネートすることで、この問題に対処する。初期治療設計におけるケーススタディとして、MolLingoは、結合部位の幾何学と残基レベルのタンパク質コンテキストにおけるChemist Agentの推論を根拠にしている。
論文参考訳（メタデータ） (2026-05-27T02:11:23Z)
Molecular Representations for Large Language Models [11.054781534160242]
大規模言語モデルのための新しい分子表現である MolJSON を紹介する。私たちはそれを5つの一般的な化学形式と比較します。分子グラフを解釈・生成するLLMの能力において,表現にまたがる有意な変動が観察された。
論文参考訳（メタデータ） (2026-05-03T11:08:46Z)
A Large-Scale Dataset for Molecular Structure-Language Description via a Rule-Regularized Method [21.001812865886922]
本稿では,分子構造記述を大規模に生成するための完全自動アノテーションフレームワークを提案する。我々のアプローチはIUPACを解釈し、分子構造を明示的にエンコードするリッチで構造化されたXMLメタデータを構築するための規則に基づく化学命名法に基づいている。このフレームワークを用いて、約163ドルの分子記述ペアからなる大規模データセットをキュレートする。
論文参考訳（メタデータ） (2026-02-02T16:49:19Z)
Generative Active Learning for the Search of Small-molecule Protein Binders [87.106635995213]
我々は、合成可能な分子を探索するための生成能動的学習アプローチであるLambdaZeroを紹介する。 LambdaZeroは、望まれる性質を持つ候補を見つけるために、分子の広大な空間を探索することを学ぶ。我々はLambdaZeroに分子ドッキングを施し、エポキシドヒドロラーゼ2(sEH)を阻害する新しい小さな可溶性分子を設計する。 LambdaZeroはsEHの合成可能な薬物様阻害剤の新たな足場を発見する。
論文参考訳（メタデータ） (2024-05-02T16:39:21Z)
Mol-PECO: a deep learning model to predict human olfactory perception from molecular structures [0.0]
分子構造からの嗅覚知覚を予測するため,Moll-PECOと呼ばれる深層学習モデルを開発した。 8,503分子の包括的データセットにより、モル-PECOは118の匂い記述子において0.813のエリアアンダー・ザ・レシーバー・オペレーティング・キャラクタリスティック(AUROC)を直接達成する。我々の研究は嗅覚とメカニズムの理解と解読を促進するかもしれない。
論文参考訳（メタデータ） (2023-05-21T10:44:02Z)
Tailoring Molecules for Protein Pockets: a Transformer-based Generative Solution for Structured-based Drug Design [133.1268990638971]
標的タンパク質の構造に基づくデノボ薬物の設計は、新規な薬物候補を提供することができる。そこで本研究では,特定のターゲットに対して,対象薬物をスクラッチから直接生成できるTamGentという生成ソリューションを提案する。
論文参考訳（メタデータ） (2022-08-30T09:32:39Z)
MolGraph: a Python package for the implementation of molecular graphs and graph neural networks with TensorFlow and Keras [51.92255321684027]
MolGraphは、分子機械学習(ML)のためのグラフニューラルネットワーク(GNN)パッケージである MolGraphは、分子ML問題を解決するためにGNNアルゴリズムに渡すことができる小さな分子グラフを生成するための化学モジュールを実装している。 GNNは分子識別に有用であり,クロマトグラフィー保持時間データの解釈性が向上した。
論文参考訳（メタデータ） (2022-08-21T18:37:41Z)
Molecular Identification from AFM images using the IUPAC Nomenclature and Attribute Multimodal Recurrent Neural Networks [0.0]
本稿では,この課題に深層学習技術を用いて対処する戦略を提案する。従来の分類法に従って有限個の分子を同定する代わりに、分子の同定を画像キャプション問題として定義する。 3D-AFM画像スタックを入力として、未知分子の構造と構成を識別できる2つのマルチモーダルリカレントニューラルネットワークからなるアーキテクチャを設計する。ニューラルネットワークは、IUPAC命名規則に従って各分子の名前を提供するように訓練されている。
論文参考訳（メタデータ） (2022-05-01T11:39:32Z)
Chemical-Reaction-Aware Molecule Representation Learning [88.79052749877334]
本稿では,化学反応を用いて分子表現の学習を支援することを提案する。本手法は,1) 埋め込み空間を適切に整理し, 2) 分子埋め込みの一般化能力を向上させるために有効であることが証明された。実験結果から,本手法は様々なダウンストリームタスクにおける最先端性能を実現することが示された。
論文参考訳（メタデータ） (2021-09-21T00:08:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。