Machine learning

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。 ...

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。 ...

在本文中，我们演示了如何用Flare的QSAR建模功能，导入RDKit指纹与2D分子描述符用于机器学习方法SVM建立血脑 ...

本文介绍了Flare V6.1版本中新增与增强的部分功能。 ...

本文介绍了Flare V6增强的功能和新特性，包括增强的可视化功能、基于反应的组合库枚举、量子力学 (QM)计算、结合口 ...

支持向量机 (SVM) 是在药物发现分子性质预测中最常用的机器学习方法之一。 ...

在本文中，我们演示了如何用即将发布的Flare V5增强的QSAR建模功能，使用Flare Python拓展包RDKit ...

Forge可以用基于场的QSAR或机器学习方法来建立健壮、预测性的QSAR模型[1]。 ...

本文分享了如何用深度学习训练分子片段生成器，并提供现成的模型用于分子片段生成，还分享了分子片段生成器在药物设计领域的应用 ...