计算药物发现工具——对发现过程的深入理解

计算药物发现工具——对发现过程的深入理解

Cresset技术的核心在于其专有的XED力场，该力场通过扩展电子分布（XED）来更准确地模拟分子内的静电和轨道相互作用 ...
Deep Docking——一个增强的基于结构药物发现深度学习平台

Deep Docking——一个增强的基于结构药物发现深度学习平台

药物发现是一个严谨的过程，需要数十亿美元的投资和数十年的研究才能将分子从实验室带到病床边。 ...
在线会议 | 3D-QSAR与FEP联用主动学习对生物等排体进行优先级排序

在线会议 | 3D-QSAR与FEP联用主动学习对生物等排体进行优先级排序

邀请请您参加2025年2月27日北京时间晚10：00的在线会议《用3D-QSAR主动学习FEP对药物化学生物电子等排体进 ...
3D-QSAR与Spark生物等排体替换联合使用——高效骨架跃迁设计新型FABP4抑制剂

3D-QSAR与Spark生物等排体替换联合使用——高效骨架跃迁设计新型FABP4抑制剂

抑制FABP4的小分子可能是治疗代谢综合征的有用候选药物。 ...
3D-QSAR与FEP联用主动学习对药物化学生物等排体进行优先级排序

3D-QSAR与FEP联用主动学习对药物化学生物等排体进行优先级排序

生物等排体替换（Bioisostere replacement）是在药物发现中用于优化候选分子活性和选择性的一个强大且流 ...
克服药物发现与开发的关键挑战——用AI技术预测ADMET

克服药物发现与开发的关键挑战——用AI技术预测ADMET

本文讨论了AI技术在预测药物ADMET特性中的应用与挑战。ADMET特性对药物成功至关重要，但准确预测困难重重。 ...
基于配体的虚拟筛选发现高亲和力淀粉样蛋白配体

基于配体的虚拟筛选发现高亲和力淀粉样蛋白配体

纤维蛋白聚集是神经退行性疾病的特征，但也是难以进行配体设计的代表性靶标，因为关于结合位点的结构信息有限。 ...
用QSAR模型对新设计的分子进行优先级排序——SARS-CoV-2 M<sup>pro</sup>抑制剂的2D与3D-QSAR研究

用QSAR模型对新设计的分子进行优先级排序——SARS-CoV-2 Mpro抑制剂的2D与3D-QSAR研究

本文用一个包含76个SARS-COV-2 Mpro抑制剂的数据集为例，演示了Cresset Discovery团队如何利 ...
在计算中使用Hit Expander与QSAR进行新分子设计与打分

在计算中使用Hit Expander与QSAR进行新分子设计与打分

本文是前期在线视频研讨会的文字讲解，以BTK抑制剂为例，回顾了如何在CADD软件解决方案Flare中用XED力场和QSA ...
基于配体的方法预测PDE10A活性——高质量公开数据的预测性QSAR模型

基于配体的方法预测PDE10A活性——高质量公开数据的预测性QSAR模型

用于苗头化合物与先导化合物的预测性3D定量构效关系（QSAR）方法在早期药物发现阶段非常有价值。 ...

📧 联系我们

📞：020-38261356
📩：info@molcalx.com
📍：广州市番禺区小资天堂3座406单元

关注我们 么么哒！

最新文章

热门标签

高斯骨质疏松骨架跃迁靶点预测靶标预测非经典相互作用非极性分子静电相似性静电势静电互补性静电隧道阿斯利康闭壳层键解离能

友情链接

关注我们的公众号

微信公众号