检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
CPI预测 CPI预测基于蛋白质的一级序列和化合物的2D结构进行靶点匹配,精确的预测化合物-蛋白相互作用。 单击“CPI预测”功能卡片,进入配置页面。 配置靶点文件。 支持3种输入方式,分别是输入氨基酸序列、选择文件、输入PDB ID 输入FASTA格式氨基酸序列,输入框最多支持
分子属性预测 基于盘古药物分子大模型,预测化合物ADMET相关的80多种成药属性,有些属性的预测值会给出置信区间,更好地辅助分子设计。 单击“分子属性预测”功能卡片,进入配置页面。 图1 小分子配置页面 在配置页面输入分子信息,及配置相关参数。 输入方式:支持绘制分子、选择文件、手动输入。
ADMET属性预测接口 功能介绍 计算小分子的物化性质,包括吸收(adsorption)、分布(distribution)、代谢(metabolism)、清除(excretion)与毒性(toxicity)。 URI POST /v1/{project_id}/admet 表1 路径参数
创建分子属性预测作业 功能介绍 创建分子属性预测作业。 URI POST /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/admet 表1 路径参数 参数 是否必选 参数类型 描述 project_id
ADMET属性预测接口(默认+自定义属性) 功能介绍 计算小分子的物化性质,包括默认的吸收(adsorption)、分布(distribution)、代谢(metabolism)、清除(excretion)与毒性(toxicity),以及用户自定义的属性。 URI POST /v
查询分子属性预测作业详情 功能介绍 查询分子属性预测作业详情。 URI GET /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/admet/{job_id} 表1 路径参数 参数 是否必选 参数类型
分子属性预测(MPP) ADMET属性预测接口 ADMET属性预测接口(默认+自定义属性) 父主题: API(AI辅助药物设计)
使用AutoGenome镜像 AutoGenome是Notebook镜像,利用AutoML等技术帮助科研工作者在基因组学数据上端到端实现深度学习网络搜索,训练,评估,预测和解释的工具包。 使用AutoGenome镜像的详细步骤如下所示: 步骤1:订阅镜像 步骤2:创建Notebook 步骤3:预览AutoGenome案例
分子属性预测作业管理 创建分子属性预测作业 查询分子属性预测作业详情 父主题: API(盘古辅助制药平台)
靶点化合物结合预测(CPI) 新建CPI任务接口 查询CPI任务 父主题: API(AI辅助药物设计)
新建CPI任务接口 功能介绍 输入蛋白序列、小分子库,创建分子-蛋白互作预测任务。 URI POST /v1/{project_id}/task/cpi 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 华为云项目id 请求参数 表2 请求Header参数
} } 状态码 状态码 描述 200 CPI任务查询成功响应 404 CPI任务ID不存在 错误码 请参见错误码。 父主题: 靶点化合物结合预测(CPI)
练大模型,旨在帮助医药公司开启AI辅助药物研发的新模式。盘古药物分子大模型学习了17亿个药物分子的化学结构,模型参数上亿,是目前最大的小分子药物模型。华为盘古药物分子大模型在分子生成、属性预测、生物活性预测和分子优化等20多个药物发现任务上均达到性能最优。 SPONGE 分子模拟
练大模型,旨在帮助医药公司开启AI辅助药物研发的新模式。盘古药物分子大模型学习了17亿个药物分子的化学结构,模型参数上亿,是目前最大的小分子药物模型。华为盘古药物分子大模型在分子生成、属性预测、生物活性预测和分子优化等20多个药物发现任务上均达到性能最优。 SPONGE 分子模拟
1之间。 结果解释:预测值的范围在0~1之间。 SR-HSE: Heat shock factor,热激蛋白。HSE是一类功能性相关蛋白质,当细胞受到升高温度或其他胁迫时它们的表达就会增长。0为HSE无活性,1为HSE有活性,数值在0~1之间。 结果解释:预测值的范围在0~1之间。
应用场景 靶点发现 在靶点发现阶段,我们提供蛋白质结构预测、靶点口袋发现功能。 苗头化合物发现 在苗头化合物发现阶段,我们提供分子对接、口袋分子设计,分子属性预测功能,在分子对接中,我们预置了大量的分子库可供选择。 先导化合物优化 在先导化合物优化阶段,提供分子优化、靶点口袋分子
等技术加速计算过程。 支持十亿节点、百亿边的超大规模图数据库查询,提供适用于基因和生物网络数据的图深度学习算法。 拥有基于基因组数据自动深度学习的技术框架AutoGenome,深度融合人工智能技术,产生更加便捷、快速、准确、可解释的医疗智能模型,加速医疗大健康行业的研究工作。 成
虚拟药物筛选简介 虚拟药物筛选功能 医疗智能体平台支持根据靶点蛋白和小分子药物的3D结构,计算蛋白与药物之间的结合能量,进而预测小分子是否有成为候选药物的可能性。 虚拟药物筛选可实现如下功能。 整合分子对接结果,生成结合能矩阵。 整合受体与分子对接产生的配体构象,用于可视化展示。
设置模型的描述信息。 基模型 设置基模型,基模型与分子描述符有关。选择不同的基模型,分子描述符不一样。 模型类型 回归型:预测一系列连续变量的模型,主要侧重定量描述。 二分型:预测二分类离散变量的模型,主要侧重定性分析。 模型数据 选择模型数据。可选择数据中心数据,或者示例数据。 仅支持CS
、自动预测、自定义。 原始配体 将选择的靶点结构原始配体与此处参数选择的原始配体或者上传配体文件结合使用,通过识别原始配体或上传的配体所占空间及相应Padding空间扩展值确定口袋的中心及大小。 选择残基 选择残基方式由用户点选多个平台识别到的残基定义口袋的位置。 自动预测 自动