AspirinCode/papers-for-molecular-design-using-DL

이것은 무엇인가?

이 GitHub 프로젝트는 엄선된 논문 목록으로, 실행 가능한 소프트웨어가 아닌 읽기용 인덱스입니다. 생성형 AI와 딥러닝을 활용한 분자 설계, 특히 신약 개발 및 분자 형태 예측 (이를 "구조 생성"이라 함)에 관한 연구 논문을 수집하고 정리합니다.

무엇을 다루는가?

목록은 주요 주제별로 나뉩니다:

• 분자 및 약물 설계 — 후보 약물이 될 수 있는 새로운 분자를 생성하는 논문.
• 분자 구조 생성 — 분자가 어떤 3D 형태로 접히는지 예측하는 것으로, 분자의 거동에 중요합니다.
• 약물 유사성 지표 — QED(분자가 얼마나 '약물과 유사한지' 측정) 및 SAscore(합성 난이도)와 같은 점수 도구 섹션.
• 딥러닝 방법론 — 기술별로 그룹화된 논문: RNN, Transformer, 생성적 적대 신경망(GAN), 확산 모델, 강화 학습 등.
• 재료 설계 — AI로 설계된 재료를 위한 섹션(현재는 비어 있지만 콘텐츠 추가 예정).

어떻게 구성되어 있는가?

README에는 다음과 같은 카테고리로 연결되는 큰 목차(“Menu”)가 있습니다:

• 구조 기반 또는 조각 기반 분자 생성
• 텍스트 기반 생성(텍스트 프롬프트 사용)
• 다중 표적 및 리간드 기반 접근 방식
• 양자 및 오믹스 기반 방법
• 벤치마크 및 데이터셋 목록
• 자체 방법론 카테고리(VAE 기반, GAN 기반, 확산 기반 등)를 갖춘 분자 구조 생성 하위 컬렉션

README에 따르면 각 카테고리에는 논문 제목, 저자, 논문 또는 저널 링크가 나열되어 있습니다. 또한 분자 최적화 작업을 위해 별도의 파일 (Molecular_Optimization.md)로 연결됩니다.

주목할 만한 세부 사항

• 상태: README에 “Updating ...”이라고 명시되어 있으며, 활발히 성장 중인 컬렉션입니다.
• 최근 항목: 리뷰 섹션에는 2026년까지의 논문이 포함되어 있어 최신 상태를 유지하고 있습니다.
• 관련 리소스: “Recommendations and References” 섹션에서는 단백질 구조 대응 리포지토리, 생물의학 분야의 LLM 목록, 생성형 AI 및 기하학 기반 신약 개발 컬렉션 등 관련 리포지토리를 안내합니다.

라이선스 및 기여

• GPL 라이선스 적용(배지로 표시).
• “contributions welcome” 배지가 있어 관리자가 추가 기여를 환영합니다.

누구를 위한 것인가?

연구자, 학생 또는 AI 기반 신약 개발이라는 빠르게 변화하는 분야를 추적하는 모든 사람을 위한 것입니다. 튜토리얼이나 코드베이스가 아니라, 방법론별로 그룹화된 관련 논문을 찾기 위한 출발점입니다.