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
靶点优化 靶点优化基于分子动力学模拟和结构聚类,实现靶点结构优化 单击“靶点优化”功能卡片,进入配置页面。 配置靶点文件和相关参数信息。 靶点文件:支持PDB格式文件,文件大小不能超过10M。若文件中含有多个受体,默认只处理第一个。 靶点预处理: 去配体:提交任务时系统会自动删除配体。
分子优化(MO) 新建分子优化任务接口 查询分子优化任务 父主题: API(AI辅助药物设计)
创建靶点优化作业 功能介绍 创建靶点优化作业。 URI POST /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/target-optimization 表1 路径参数 参数 是否必选 参数类型
靶点优化作业管理 创建靶点优化作业 查询靶点优化作业详情 父主题: API(盘古辅助制药平台)
查询靶点优化作业详情 功能介绍 查询靶点优化作业详情。 URI GET /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/target-optimization/{job_id} 表1 路径参数 参数
手动修改口袋位置和大小。 padding 口袋位置放大多少尺寸。 对接引擎类型:DSDP、AutoDock Vina。 单击“下一步”,进入优化设置页面。 图7 优化设置页面(1) 图8 优化设置页面(2) 单击“提交”。 查看运行结果 可以以列表的形式查看分子优化的作业,单击左上
创建分子优化作业 功能介绍 创建分子优化作业。 URI POST /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/optimization 表1 路径参数 参数 是否必选 参数类型 描述 project_id
多的合理合成路径;路径数量减少,可能会有部分合理路径未展示。默认值50,取值范围1-50。 最大搜索深度:深度增加,每一个路径可进行搜索的深度限制增加,作业运行时间可能延长;深度减少,部分路径可能在还未搜索完成时被终止。默认值5,取值范围3-12。 最大搜索时间:合成路径规划的搜
先导化合物优化 分子优化 靶点口袋分子设计 自由能微扰 合成路径规划 父主题: 功能模块
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 分子模拟是指利
分子优化作业管理 创建分子优化作业 查询分子优化作业详情 父主题: API(盘古辅助制药平台)
查询分子优化作业详情 功能介绍 查询分子优化作业详情。 URI GET /v1/{project_id}/eihealth-projects/{eihealth_project_id}/drug-jobs/optimization/{job_id} 表1 路径参数 参数 是否必选
扰、合成路径规划和分子搜索,单击“确定”即可创建。 下载3D:如果分子设置了靶点,可以单击“下载3D”下载优化后的小分子或者复合物,如果分子未设置靶点,单击“下载3D”只能下载小分子。小分子下载支持SDF和PDB格式,复合物支持PDB格式。 每个分子卡片上会展示相应分子序号与对应的参数Score、Vina
查询分子优化任务 功能介绍 通过分子优化任务ID查询分子优化任务状态及结果。 URI GET /v1/{project_id}/task/optimization/{task_id} 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
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 分子模拟是指利
状态码: 201 分子优化任务成功提交响应,返回分子优化任务ID "87ba6b54-2288-4a5d-90a2-3db01c22a9d2" 状态码 状态码 描述 201 分子优化任务成功提交响应,返回分子优化任务ID 错误码 请参见错误码。 父主题: 分子优化(MO)
力,大数据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。
载运动轨迹。结果页面支持Pair和Ligand两种查看方式。 Ligand查看方式下,可对结果进行收藏,在Ligand中的收藏同步3D视图。如果取消收藏,单击,弹出取消收藏页面,单击“确认”,取消收藏。 也可以下载输出结果文件包含小分子的基本信息和属性。 下载操作将会产生流量费用,具体可参考计费说明。
图2 基于Res-VAE和表达谱对单细胞数据降维 使用该Notebook时需要运行相应的代码模块,运行步骤如下所示。 环境配置:加载AutoGenome以及辅助绘图的软件包。 读取配置文件:通过json文件配置输入和输出路径。 模型训练:针对提供的数据和模型参数,AutoGeno
并在收藏夹中查看。收藏夹内分为小分子和大分子,小分子通常为低分子量的化合物,如蛋白质配体;大分子多为蛋白质靶点。 小分子涉及分子对接、分子优化、靶点口袋分子设计、CPI、分子生成、分子搜索、FEP、聚类详情页。 大分子涉及靶点口袋发现、靶点优化。 使用限制 下载操作将会产生流量费用,具体可参考计费说明。