- 综合排序
- 最热优先
- 最新优先
- 来自专栏R基础
分子对接—蛋白分子和小分子配体
分子对接—蛋白分子和小分子配体记录下蛋白分子和小分子配体之间的分子对接，以HSP90AA1蛋白和川陈皮素为例1 蛋白结构下载Uniprot数据库中检索HSP90AA1蛋白（物种：人类）。 挑选最佳构象AF-P07900-F1（AlphaFold预测），下载其PDB格式文件；pubchem数据库中搜索川陈皮素（Nobiletin），获得其小分子结构的sdf格式文件。 pymol对 HSP90AA1蛋白结构进行删除水分子、删除无关配体或小分子等操作，重新输出文件为rep.pdbqt(一般下载的是AlphaFold预测的结构的话，不需要这个步骤，这里也做下)；使用pymol 记得保存口袋盒子的坐标，输出为grid.gpf格式sup/rep.pdbsup/lig.mol2sup/rep.pdbqtsup/lig.pdbqtsup/grid.gpf3 分子对接使用AutoDock Vina对上述文件进行分子对接。
2.3K11编辑于 2024-11-30 - 来自专栏生命科学
MCE | 小分子降解剂——分子胶
小分子抑制剂是靶向治疗的主要类型之一，但也有它的局限性，如无法完全阻断蛋白功能，会引起的脱靶效应和副作用等。然而近年来，小分子降解剂颠覆了先前认为 “不可治疗” 靶点的观点。 什么是分子胶？ 小分子降解剂通过介导泛素化连接酶与靶蛋白的识别，对靶蛋白进行降解。 理论来说，PROTAC 分子既可以作为 PROTAC 降解剂来结合和降解靶蛋白，也可以充当 “分子胶” 降解新底物。 如果MG-277 作为分子胶，真正的靶标蛋白是什么？ 特异性降解 “核蛋白” 的分子胶 接着，我们来讲讲另外一种新型“分子胶”。
85630编辑于 2023-03-10 - 来自专栏分子生物和分子模拟计算
分子对接
细胞色素P450(Cytochrome,CYP450)是一类以还原态与CO结合后在450nm处具有最高吸收峰的含血红素的单链蛋白质。 有业务需求的，请联系微信号wbf3ng或者发邮件到wbf3ng@g
1.3K20发布于 2018-07-03 - 来自专栏全栈程序员必看
autodock分子对接结果分析_分子对接公司
AutoDock分子对接 一、预处理：准备受体分子 首先，用Select->Select From String工具，选择所有的水分子，再用Edit->Delete Selected Atoms去除所有的水分子 二、预处理：准备配体分子 使用Ligand下拉菜单中的Torsion Tree一系列工具，设置配体分子的可扭转键，保存配体分子。 结合能大小比较：原配的小分子<相似体系的小分子<无关的小分子 接下来，对上述配体结合能进行聚类，依旧可以明显发现上述的结果。 图一是原配的小分子，图二是相似体系的配体小分子，图三图四是完全无关的小分子。原配的小分子结合能是最小的，然后是相似体系的小分子结合能，结合能最大的是无关的小分子体系。 图表 6 无关小分子6HH对接比较 图表 7 无关小分子FGZ对接比较 优化与改进 当然，上面的分子对接也有一些可以改进的地方，就比如图二和三，按理来说毫无关系的小分子结合能应该比相似体系结合能大很多
3.8K22编辑于 2022-10-01 - 来自专栏DrugOne
MIMOSA: 用于分子优化的多约束分子采样
为此，本文提出多约束分子采样框架—MIMOSA，使用输入分子作为初始采样框架，并从目标分布中采样分子。 分子优化生成模型 将输入的分子投影到潜在空间，然后在潜在空间中搜索新的和更好的分子。 2 方法 2.1 基于采样的分子优化 与一般的分子生成略有不同，分子优化以一个分子X为输入，目的是获得一个新的分子Y，它与X相似且具有比X更理想的药物特性。 图1 (I)用于子结构类型和分子拓扑预测的预训练GNN 为了准确地表示分子，在大分子数据集上预先训练分子嵌入。 这使得MIMOSA能够以无监督的方式利用海量分子数据，而不需要像许多现有方法那样了解任何分子对（即输入分子和增强分子）。 3）保证无偏采样。
1.4K40发布于 2021-02-02 - 来自专栏DrugOne
IEEE TNNLS | 利用分子几何特征进行分子生成
3D表征学习问题，利用分子的几何特征进行分子生成。 以往关于分子生成的工作主要是基于1D SMILES字符串和2D分子图来表示分子，然后通过使用各种框架来学习采样的潜在空间。 1D SMILES不能捕捉长距离依赖，由于忽略分子结构特征，无法学习平滑的分子嵌入；2D 分子图更容易更直观地表达分子，但对于类似的分子图，它们往往具有非常不同的 3D 结构和分子性质。 分别从分子重构与有效性、分子3D结构相似性、分子化学性质评价等方面进行评估。表一发现该模型与基于VAE，Flow，AR的模型相比具有性能上的优势。 表1. 具有前五 QED 分数的生成的新颖分子 4 结论 在这项工作中，设计了一个名为GEOM-CVAE的基于分子几何特征的VAE模型用于分子生成。
78140编辑于 2022-03-25 - 来自专栏全栈程序员必看
python分子化学模拟_#分子模拟#MDTraj分子模拟python包（一）
MDTraj是分子动力学模拟的一个python包，相对于MDAnalysis个人觉得操作性更强，更加Python范一些。其能够进行不同模拟软件的轨迹转换，常规计算，分析等等一体化。
1.9K40编辑于 2022-08-25 - 来自专栏ypw
分子量
给出一种物质的分子式（不带括号），求分子量。 本题中的分子式只包含4种原子，分别为C, H, O, N，原子量分别为12.01, 1.008, 16.00, 14.01（单位：g/mol），输入t个分子式，输出分子量，保留三位小数。
48220编辑于 2022-05-05 - 来自专栏Vincent-yuan
分子量
题目 给出一种物质的分子式（不带括号），求分子量。本题中的分子式只包含4中原子， 分别为C,H,O,N，分子量分别为12.01,1.008,16.00,14.01（单位：g/mol）。 例如，C6H5OH的分子量为94.108g/mol。
45020发布于 2020-05-26 - 来自专栏生物信息云
分子对接教程 | (3) 配体分子文件格式转换
我们知道，分子文件的格式很多，比如mol，sdf等，但AutoDock这个软件不识别sdf这样的格式文件，而我们通常下载的文件就是sdf这个格式的文件。 当然，有一些分子我们是可以从一些数据库中直接下载mol2格式文件的。 比如一些中药成分小分子，我们可以从TCMSP这个数据库下载(https://tcmspw.com/)，比如:quercetin ? 然后点击图片，下载的就是mol2格式的分子文件。 ? ZINC(http://zinc.docking.org/)，这里就不介绍了，你要是能从上面的数据库下载到你配体小分子的mol2格式文件，就直接用，如果不能，那就是去PubChem数据库(https:/ 分子格式文件的转换，需要OpenBabel这个软件，这个软件能实现各种格式转换，用起来也挺简单的。
11.1K20发布于 2021-02-26 - 来自专栏生物信息云
分子对接教程 | (5) 配体小分子的预处理
前面介绍了蛋白受体文件的预处理，这里处理小分子就简单多了。 同样的，打开小分子文件。我前面准备了2个格式的文件，选择其中一个，这里我选择了mol2格式的。 ? ? 前面提到在选择一个分子作为配体或受体之前，必须把所有的氢都加到这个分子上。 接下来，将分子选为配体。 ? 输出PDBQT格式的配体文件。接下来检测一下扭转键和中心。 ? 导出为PDBQT ? 但是，有时候，我们不手动添加电荷，按照上面的操作，有的小分子也会报错，怎么解决？ 为了使计算正确进行，在此步骤之前，分子必须已经添加了氢原子，包括极性的和非极性的。】
7.4K20发布于 2021-02-26 划分子网
这种做法叫作划分子网。划分子网的基本思路划分子网纯属单位内部的事情，对本单位以外的网络是完全透明的。 划分子网的方法是把主机号字段的前若干个比特作为子网号字段，则 IP地址∷={<网络号>，<子网号>，<主机号>} 凡从其他网络传送到本单位网络某主机的IP数据报，仍然按IP数据报的目的网络号传送到连接在本单位网络上的路由器 举例：一个未划分子网的 B 类网络145.13.0.0划分为三个子网后，对外仍是一个网络 子网掩码由于IP地址本身以及数据报的首部都没有包含任何关于划分子网的信息，所以从一个IP数据报的首部无法判断源主机或目的主机所连接的网络是否进行了子网的划分 划分子网要用到子网掩码(subnet mask)的概念。使用子网掩码(subnet mask)可以很方便地找出 IP 地址中的子网部分。 划分子网的概念也适用于未划分子网的情况。未划分子网的网络可使用默认子网掩码。使用子网掩码可简化路由器的路由选择算法。A、B和C类IP地址的默认子网掩码 划分子网的利弊利——增加了灵活性。
55810编辑于 2024-02-08- 来自专栏智药邦
利用AutoDock进行水分子参与的分子对接
水分子在配体-蛋白质相互作用中的作用至关重要，AutoDock开发小组的研究人员设计了一种新的力场，可以优化水分子参与的分子对接，使得AutoDock程序能够自动预测水分子介导的配体蛋白结合方式，该力场考虑了离散水分子对配体结合的熵和焓贡献 本文对AutoDock的水合对接方法的精度进行了总结，并且提供了如何利用最新版AutoDock进行水分子参与的分子对接教程。 1 背景 在生理环境中，蛋白质和其他生物结构被水分子包围。 当小分子与蛋白质结合时，它必须置换占据结合口袋的大部分水分子。然而，很少有所有的水分子都发生移位。 基于实验结构确定水分子的位置有几个缺点：首先，晶体结构与配体结合状态会影响与水分子的结合态，水分子可能通过配体的相互作用而被稳定下来；其次，晶体结构的质量受到多方面的影响，包括解析精度、温度因子、不同的解析方法 计算流程可以通过这些步骤加以总结： 1）配体上装有一系列水分子(用虚拟原子表示)，这些水分子可能或不可能参与分子间的相互作用。
2K10编辑于 2022-04-13 - 来自专栏生信小驿站
Rdkit根据分子性质（描述符）筛选小分子
（1）如何使用Conda安装RDKit 使用安装的RDKit创建新的conda环境需要一个类似于以下命令 $ conda create -c rdkit -n my-rdkit-env rdkit 最后，必须激活新环境，以便相应的python解释器在同一shell中可用 $ conda activate my-rdkit-env windows代码略有不同 C:\> activate my-rdkit-env
1.2K20发布于 2021-03-03 - 来自专栏呼延
最少划分子串
来源: lintcode-最少划分子串 描述 给定一个包含n个小写字母的字符串s，要求将字符串划分成若干个连续子串，子串中的字母类型相同，同时子串的字母个数不超过k，输出最少划分的子串数量。 代码如下: /** * 最少划分子串 */ public static int getAns(String s, int k) { // Write your code here
56230发布于 2019-07-01 - 来自专栏生信探索
AutoDock分子对接实战
For this tutorial, the ADFR software suite, providing a number of software tools for automated docking and peripheral tasks, and the Python package meeko, for preparing ligands for example, are necessary.
1.3K41编辑于 2023-04-17 - 来自专栏DrugOne
Science | 闻香识分子
气味感知与气味分子结构之间的关系充满了不连续性；这可以通过Sell三元组来说明，这是一组分子的三个成员，在这组分子中，结构相似的一对与感知相似的一对几乎不同（图1A）。 分子的结构-气味关系中的这些不连续性表明，在最近的气味建模工作中使用的标准化学信息学表示法——如功能团计数、物理性质、分子指纹等——是不足以映射气味空间的。 为了避免琐碎的测试情况，作者对400种新气味物质的集合应用了以下选择标准：（i）分子在结构上必须彼此不同；（ii）分子应涵盖最广泛的气味标签范围；（iii）分子在结构或感知上必须与任何训练示例不同。 在400个分子中，有77个由于不达标准而从最终的前瞻性验证集中删除。作者在剩余的323个分子上评估了模型的性能。 虽然在个体评审员和模型在匹配评审员均值评分的能力方面存在很大的分子间差异，但模型输出在53%的分子上比中位数的评审员更接近评审员均值（图2中的E和F）。
93820编辑于 2023-09-24 - 来自专栏DrugOne
DGL | 基于JTNN可视化给定分子的邻居分子
DGL | 基于深度学习框架DGL的分子图初探 DGL | 基于深度图学习框架DGL的分子图生成 JTNN JTNN ：Junction Tree Variational Autoencoder for Molecular Graph Generation JTNN使用联合树算法从分子图形成一棵树。 JTNN是一种自动编码器模型，旨在学习分子图的隐藏表示。这些表示可用于下游任务，例如属性预测或分子优化。 基于JTNN可视化给定分子的邻居分子 导入库 import torchfrom torch.utils.data importDataLoader, Subset import argparsefrom 绘制邻居分子 img = Draw.MolsToGridImage(ms_draw,molsPerRow=5,subImgSize=(250,150))img ?
1.2K50发布于 2021-01-29 - 来自专栏Java架构师必看
nginx fdfs(分子原理)
我们在使用FastDFS部署一个分布式文件系统的时候，通过FastDFS的客户端API来进行文件的上传、下载、删除等操作。同时通过FastDFS的HTTP服务器来提供HTTP服务。但是FastDFS的HTTP服务较为简单，无法提供负载均衡等高性能的服务，所以FastDFS的开发者——淘宝的架构师余庆同学，为我们提供了Nginx上使用的FastDFS模块（也可以叫FastDFS的Nginx模块）。其使用非常简单。
55510编辑于 2022-04-15 - 来自专栏分子生物和分子模拟计算
分子对接案例
brassinolide，被称为第六种植物生长激素，本案例主要考察它与BRI1受体的结合情况，研究其作用机制。 采用Leadit软件，对接了19种衍生物。
48540发布于 2018-07-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号