- 综合排序
- 最热优先
- 最新优先
- 来自专栏DrugOne
Nat. Commun.|DeepRank:蛋白质-蛋白质界面的深度学习框架
作者使用HADDOCK为对接基准v5(BM5)集生成了一组各种质量的对接模型，包括刚体对接、柔性对接和最终的改进对接模型。 图3B展示了DeepRank的得分在近原生模型和错误的模型之间有很好的区分，而HADDOCK得分有显著的重叠。在图3C的排名性能方面，DeepRank也显著地强于HADDOCK得分。 图3 DeepRank和HADDOCK在刚体模型上对比 为了进一步测试DeepRank的性能，作者使用所有142个BM5二聚体复合物的对接模型训练了一个最终的3DCNN模型，并将其应用于CAPRI score_set 图4 DeepRank和其他方法在CAPRI score_set上的命中曲线 图4和表2展示了DeepRank在CAPRI score_set数据集上与HADDOCK、iScore和DOVE的比较，在某些情况下优于其他方法
92530编辑于 2021-12-22 - 来自专栏zinyan
Windwos 安装Pandoc 工具，实现Typora 文档导出为docx
less accurate markdown_github; use markdown_github only if you need extensions not supported in gfm. haddock (Haddock markup) html (HTML) ipynb (Jupyter notebook) jats (JATS XML) jira (Jira/Confluence wiki markup less accurate markdown_github; use markdown_github only if you need extensions not supported in gfm. haddock (Haddock markup) html or html5 (HTML, i.e.
7.3K20编辑于 2023-02-23 AI+Drug 文献速递 | HADDOCK3：构建自定义流程，助力生物分子复合物建模研究
HADDOCK3: A modular and versatile platform for integrative modelling of biomolecular complexes 期刊: biorxiv 链接: https://doi.org/10.1101/2025.04.30.651432 代码: https://github.com/haddocking/haddock3 简介: HADDOCK3 结果表明，HADDOCK3能有效解决之前版本无法处理的问题，为结构生物学研究提供了有力工具。 2.
14110编辑于 2026-01-08- 来自专栏DrugScience
榕树集--AF2在抗体复合物结构预测方面的表现
Bonvin[5] 构建了一套基于HADDOCK，ML tools以及AF2的流程，用于提高预测成功率，并在71个复合物结构上的benchamrk上进行了测试。 与标准HADDOCK采样中生成的模型数量（通常为1000或10000个模型）相比，这是一个非常低的数量。
77311编辑于 2024-01-09 - 来自专栏Rainbond开源「容器云平台」
全栈工程师的百宝箱：黑魔法之文档篇
MediaWiki markup、 TWiki markup、 OPML、 Emacs Org-Mode、 Txt2Tags、 Microsoft Word docx、 LibreOffice ODT、 EPUB、 Haddock
1K30发布于 2019-04-22 - 来自专栏phodal
全栈工程师的百宝箱：黑魔法之文档篇
MediaWiki markup、 TWiki markup、 OPML、 Emacs Org-Mode、 Txt2Tags、 Microsoft Word docx、 LibreOffice ODT、 EPUB、 Haddock
1.4K100发布于 2018-01-29 - 来自专栏DrugOne
Nat. Methods | GRASP：整合多样实验信息助力蛋白质复合物结构预测
相比之下，AlphaLink、ClusPro、HADDOCK 和 ColabDock 整体表现不及 GRASP。
22110编辑于 2025-10-14 - 来自专栏DrugOne
Nat. Commun. | 使用AlphaFold和蒙特卡洛树搜索预测大型蛋白质复合物
作者还与Multi-LZerD和Haddock进行了比较，提供了真实的链结构作为输入。对于Haddock，以TM分数中位数0.29完成77个复合物)。
1.1K20编辑于 2022-11-28 - 来自专栏DrugOne
Nat. Mach. Intell. | 华中科大黄胜友团队推出相互作用驱动图学习框架，实现蛋白–肽复合物精准评分
对接程序生成的诱饵集性能 研究人员首先在 LEADS-PEP（bound/unbound） 与 Local_62（unbound/unbound） 基准集上，测试了 GraphPep 在 FlexPepDock、HADDOCK
24210编辑于 2025-11-17 - 来自专栏量子位
AI一小时预测出奥密克戎变体结构，误差仅半个原子直径
接下来，他们用到了生物分子建模软件HADDOCK，来预测RBD表位与中和抗体结构的副体之间的结合亲和力。
33110编辑于 2022-01-13 - 来自专栏DrugOne
Drug Discov. Today | 生物信息学资源支持蛋白质-蛋白质相互作用的药物靶标发现
本节讨论的如pyDockWEB、ClusPro、HADDOCK和RosettaDock等刚性和半柔性对接工具（见图2b），通过CAPRI评估展示了它们在PPI靶点预测中的性能。
71010编辑于 2024-06-04 - 来自专栏DrugOne
Nat.Biotechnol. | 针对膜蛋白靶标的计算机辅助药物开发
传统方法将四级结构预测视为一项通过搜索全局结合模式（MDockPP）或形状互补性（PatchDock）或使用实验数据驱动的方法（HADDOCK）来完成的蛋白质-蛋白质对接任务。
60910编辑于 2024-04-12
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