- 全部删除
- 您的购物车当前为空
库设计:
首先剔除了具有不良特性的化合物,确保了高质量的起点。先进的机器学习(ML)模型,辅以ICM对接技术,指导了虚拟筛选过程。这种方法基于化合物与特定生物靶标的相互作用,有效识别了具有潜在效能的化合物。筛选过程中使用的ML模型准确率为0.86,表明其在预测化合物生物活性和相互作用方面具有高度可靠性。最初,基于ML的选择过程产生了约20万种化合物。这一数字进一步精炼至约2.5万种化合物,特别是那些ICM对接分数大于23的化合物,确保仅包含最有前景的候选者。文库强调结构多样性,通过层次聚类和最小-最大算法以及Dice相似性度量实现。这种多样性对于探索广泛的潜在生物活性和作用机制至关重要。