相关实验视频
Updated: May 11, 2026
06:48
Emergency Undocking in Robotic Surgery: A Simulation Curriculum
Published on: May 20, 2018
9.2K
教老码头新的技巧,用机器学习增强组合对接
Roshni Bhatt1, Ann Wang1, Jacob D Durrant2
1Department of Biological Sciences, University of Pittsburgh, Pittsburgh, PA, 15260, USA.
Scientific reports
|September 5, 2024
概括
集团优化器 (EnOpt) 是一款新的机器学习工具,它增强了用于药物发现的集团虚拟选 (VS). EnOpt通过优化如何在多种蛋白质构成中分析化合物得分来提高预测蛋白质-连接体结合的准确性.
科学领域:
- 计算化学是一种计算化学.
- 药物发现 药物发现
- 机器学习 机器学习
背景情况:
- 虚拟选 (VS) 预测了蛋白质与小分子的结合.
- 组合VS通过使用多种蛋白质构造来解释蛋白质的灵活性.
- 在VS组合中排名化合物需要系统特定的决定来解释得分.
研究的目的:
- 介绍一下Ensemble Optimizer (EnOpt),这是一个机器学习工具.
- 提高整体VS的准确性和可解释性.
- 提供可广泛采用的开源解决方案.
主要方法:
- 集团优化器 (EnOpt) 使用机器学习算法.
- EnOpt优化了蛋白质构造和得分映射的选择.
- 进行了基准VS研究来评估EnOpt的性能.
主要成果:
- 恩奥普特 (EnOpt) 提高了对活性化合物的排名准确度,使其超过不活性或诱惑分子.
- 该工具在各种系统中显示了与传统集体VS方法相比更好的性能.
- EnOpt提供了一种更易于解释的方法来分析复合分数.
结论:
- EnOpt有效地解决了集体虚拟选中的挑战.
- 该工具提供了一种更准确,更易于解释的方法来优先考虑候选药物.
- EnOpt是免费提供,促进在计算药物发现更广泛的采用.
更多相关视频
08:15Author Spotlight: Network Pharmacology and Molecular Docking to Decipher the Action of Jiawei Shengjiang San Against Diabetic Kidney Disease
Published on: May 10, 2024
522
10:21Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
Published on: February 23, 2024
2.4K
