泰坦尼亚:一个用于in silico分子性质预测和基于NAM的建模的集成工具

科学领域:

• 计算化学是一种计算化学.
• 在的毒理学.
• 预测建模的预测建模.

背景情况:

• 药物发现和材料设计需要准确预测分子性质.
• 计算方法对于高效分析大型复合数据集至关重要.
• 现有的工具可能缺乏可访问性或全面的财产预测能力.

研究的目的:

• 开发和验证九个关键分子性质的预测模型.
• 将这些模型集成到可访问的基于云计算的研究人员平台中.
• 提高科学研究中的性能和毒性预测的效率和准确性.

主要方法:

• 开发九个物理化学和毒理学终点的定量结构-属性关系 (QSPR) 模型.
• 根据经合组织测试指南验证模型性能.
• 将经过验证的模型集成到Enalos云平台 (Titania) 中,使用用户友好的界面.

主要成果:

• 对于预测八醇/水分区系数,水溶性,无水化能,蒸汽压力,沸点,细胞毒性,变异性,血脑屏障透性和生物度因子的模型,实现了高预测精度.
• 模型表现出强大的性能,并通过了验证要求.
• 泰坦尼亚平台为这些预测工具提供了无访问.

结论:

• 开发的计算模型为关键分子性质提供了可靠的预测.
• 埃纳洛斯云平台使研究人员能够获得先进的in silico工具.
• 这种综合解决方案支持知情决策,并加速药物发现和材料设计方面的创新.