- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
PAGE1
PAGE1
6.计算化学与分子建模
6.1分子表示与特征提取
在药物发现领域,分子表示和特征提取是计算化学与分子建模的基础。通过将分子转化为计算机可以处理的形式,我们可以利用机器学习算法进行高效的药物筛选。常见的分子表示方法包括分子指纹、分子图、三维结构表示等。
6.1.1分子指纹
分子指纹是一种将分子结构转化为二进制或整数向量的方法,这些向量可以用来表示分子的化学特性。常见的分子指纹有Morgan指纹、MACCS指纹等。这些指纹可以在不同的尺度上捕捉分子的局部和全局特征,从而用于相似性搜索和分类任务。
代码示例:使用RDKit生成Morgan指
您可能关注的文档
- 药物发现:分子动力学模拟_(1).分子动力学模拟基础理论.docx
- 药物发现:分子动力学模拟_(2).分子动力学模拟软件及工具.docx
- 药物发现:分子动力学模拟_(3).分子动力学模拟数据处理与分析.docx
- 药物发现:分子动力学模拟_(4).药物设计中的分子动力学应用.docx
- 药物发现:分子动力学模拟_(5).药物-受体相互作用的模拟分析.docx
- 药物发现:分子动力学模拟_(6).分子动力学模拟在药物筛选中的应用.docx
- 药物发现:分子动力学模拟_(7).基于分子动力学的药物优化策略.docx
- 药物发现:分子动力学模拟_(8).分子动力学模拟与自由能计算.docx
- 药物发现:分子动力学模拟_(9).分子动力学模拟在药物代谢研究中的应用.docx
- 药物发现:分子动力学模拟_(10).分子动力学模拟在药物毒性研究中的应用.docx
- 药物发现:基于机器学习的药物筛选_7.生物信息学与基因组学.docx
- 药物发现:基于机器学习的药物筛选_8.数据预处理与特征选择.docx
- 药物发现:基于机器学习的药物筛选_9.药物分子的表示方法.docx
- 药物发现:基于机器学习的药物筛选_10.药物-靶标相互作用预测.docx
- 药物发现:基于机器学习的药物筛选_11.虚拟筛选技术.docx
- 药物发现:基于机器学习的药物筛选_12.基于机器学习的高通量筛选.docx
- 药物发现:基于机器学习的药物筛选_13.深度学习在药物筛选中的应用.docx
- 药物发现:基于机器学习的药物筛选_14.生成模型在药物设计中的应用.docx
- 药物发现:基于机器学习的药物筛选_15.药物筛选中的集成学习方法.docx
- 药物发现:基于机器学习的药物筛选_16.基于强化学习的药物优化.docx
文档评论(0)