Odor-Sight: An Interpretable Graph Neural Network Web Platform for Prediction of Odorant Activity.
Revue : Journal of chemical information and modeling
Parution : Samedi 1 août 2026
DOI : 10.1021/acs.jcim.6c01374
Statut : code vérifié
Méthodes : Connectivité, Lissage, filtrage d'état, décompositions, Apprentissage, Statistiques
Carte de traçage
Proposée automatiquement : ces liens ont été trouvés dans l'article et vérifiés à la source, sans relecture humaine. Elle recevra un DOI Zenodo quand un de ses auteurs l'aura validée avec son ORCID.
Code des auteurs
labmolufg/odorsight
Licence : aucune : les auteurs gardent tous leurs droits
État : le lien répond
Preuve : fichiers inventoriés
Commit :
a66dcae51f436dcd99a5481ea0e768fee18f2641Langages : Jupyter (5), Python (3)
Trouvé : « Data Availability Statement »
9 fichiers, à lire à la source
Ce dépôt n'a pas de licence : ses auteurs gardent tous leurs droits. Lisez-le à la source.
- Curation/CURATION_ODORSIGHT.ipynb — Jupyter, 504 lignes
- Modeling/DATA/train_test_split_with_benchmark.ipynb — Jupyter, 169 lignes
- Modeling/Run_Optimization_CV5.ipynb — Jupyter, 79 lignes
- Modeling/gnn_utils.py — Python, 134 lignes
- Modeling/optimize_gnn_cv5.py — Python, 620 lignes
- Modeling/predict_new.py — Python, 135 lignes
- benchmark_odorify/scripts/comparison_odorify.ipynb — Jupyter, 328 lignes
- chemical_space/TSNE.ipynb — Jupyter, 206 lignes
- README.md — Texte, 1 ligne