许可证：bigscience-openrail-m 微件：

• 文本：O=C(C@@HN)[MASK][C@@H]1C(=O)N2[C@@H]1SC([C@@H]2C(=O)O)(C)C 数据集：
• ChEMBL 管道标签：填充掩码 标签：
• 生物学
• 医学

基于SMILES的BERT基础模型

这是一个在SMILES（简化分子线性输入系统）字符串上预训练的双向转换器。

示例：阿莫西林

O=C([C@@H](c1ccc(cc1)O)N)N[C@@H]1C(=O)N2[C@@H]1SC([C@@H]2C(=O)O)(C)C

使用了两种训练目标：

1. 掩码语言建模
2. 分子式有效性预测

预期用途

该模型主要旨在针对以下任务进行微调：

• 分子分类
• 分子到基因表达的映射
• 细胞靶向

如何在代码中使用

from transformers import BertTokenizerFast, BertModel
checkpoint = 'unikei/bert-base-smiles'
tokenizer = BertTokenizerFast.from_pretrained(checkpoint)
model = BertModel.from_pretrained(checkpoint)

example = 'O=C([C@@H](c1ccc(cc1)O)N)N[C@@H]1C(=O)N2[C@@H]1SC([C@@H]2C(=O)O)(C)C'
tokens = tokenizer(example, return_tensors='pt')
predictions = model(**tokens)