- 全部删除
- 您的购物车当前为空
该库经过精心设计,结合了两种基于配体的虚拟筛选方法-药效团建模和机器学习(人工神经网络和贝叶斯统计)。对于机器学习,已知的GASC1抑制剂被随机分成两组相等的组。每组都有相同数量的活性化合物和非活性化合物(活性阈值为640纳摩尔),并用作训练和测试集。训练集用于开发贝叶斯和人工神经网络模型。这两种方法都基于一些分子描述符-指纹、氢供体和受体的数量、环的数量、分子量、可旋转键的数量、PSA、LogP、拓扑描述符等。测试集用于验证神经网络和贝叶斯模型。药效团模型是基于来自只包含活性GASC1抑制剂的八个训练集建立的。通过活性和非活性GASC1抑制剂对优化的模型进行了优化和验证。针对优化的模型进行了药效团筛选。药效团筛选的得分最高的化合物与通过应用机器学习方法得到的得分最高的化合物进行交叉,并进行可视化分析。人工神经网络、贝叶斯统计和药效团建模的结合将有助于在筛选过程中识别更多的活性化合物。