中软国际数据治理专业服务解决方案实践

聚类分析 聚类分析工具可以通过骨架聚类方法，将大型小分子数据库中结构相似的化合物聚成一类，从而找到有效骨架 ，辅助苗头化合物发现。 单击“功能模块 > 通用工具 > 聚类分析”功能卡片，进入配置页面。 图1 聚类分析配置页面 输入方式：选择文件和手动输入类型。 上传分子文件：选择

查看更多 →

描述 source 是 String 受体的数据源：用户私有数据中心、承载租户公共数据（含样例/公共库）。 枚举值： PRIVATE PUBLIC RAW url 否 String 文件URL，当数据源为用户私有数据中心为项目路径，为公共数据场景时为obs地址。 最小长度：1 最大长度：2000

查看更多 →

String 受体的数据源：外部网络数据（如R CS B在线数据库）、用户私有数据中心、承载租户公共数据（含样例/公共库）。 枚举值： EXTRANET PRIVATE PUBLIC RAW url String 文件URL，当数据源为外部网络数据时为https地址；用户私有数据中心为项目路径、公共数据场景为obs地址。

查看更多 →

聚类分析作业管理 创建聚类分析作业 查询聚类分析作业详情 父主题： API（盘古辅助制药平台）

查看更多 →

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。

查看更多 →

分子对接 分子对接基于华为云大算力，可根据靶点蛋白和小分子药物的3D结构，计算对接结合能，实现百万级别虚拟筛选。 单击“分子对接”功能卡片，进入分子对接受体预处理页面，单击上传受体文件，进行受体蛋白预处理配置。 受体文件仅支持PDB格式，若文件中存在多个受体，默认只处理第一个。受

查看更多 →

靶点口袋分子设计 基于盘古药物分子大模型，靶点口袋分子设计功能主要是能够根据给定的口袋和小分子利用AI的预测出更优小分子。 单击“靶点口袋分子设计”功能卡片，进入配置页面。 在配置页面上选择设计方式 设计方式：支持侧链修饰、骨架跃迁、片段生长和从头生成四种方式。 侧链修饰：会在不

查看更多 →

大容量数据库 大容量数据库背景介绍 表分区技术 数据分区查找优化 数据分区运维管理 父主题： 分区表

查看更多 →

大容量数据库 大容量数据库背景介绍 表分区技术 数据分区查找优化 数据分区运维管理 父主题： 分区表

查看更多 →

大容量数据库 大容量数据库背景介绍 表分区技术 数据分区查找优化 数据分区运维管理 父主题： 分区表

查看更多 →

大容量数据库 大容量数据库背景介绍 表分区技术 数据分区查找优化 数据分区运维管理 父主题： 分区表

查看更多 →

分子优化 分子优化基于盘古药物分子大模型，以参考化合物为起点，针对给定的期望理化性质，得到性质更优、结构新颖、与靶点蛋白亲和力高的化合物。 单击“立即使用”，进入输入分子页面。 图1 输入分子页面 在白框内输入需要优化的小分子SMILES表达式或者上传分子文件。 上传的文件支持SDF、MOL2、PDB、SMI格式。

查看更多 →

示。 图11 大屏效果 单击右上角右“保存”，输入大屏的名称，单击“确定”，大屏保存成功。 步骤5：管理大屏 切换大屏发布状态 在控制台右侧“我的项目”单击项目名称，进入项目页面。 单击“数据分析 > 大屏”，进入大屏页面。 单击大屏名称，进入大屏编辑页面。 发布大屏：单击页面右上角“保存并发布”，大屏发布成功。

查看更多 →

聚类是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。 与分类不同，聚类分析数据对象，而不考虑已知的类标号（一般训练数据中不提供类

查看更多 →

子问题的解的合并。对于大容量数据场景，数据库提供对数据进行“分治处理”的方式即分区，将逻辑数据库或其组成元素划分为不同的独立部分，每一个分区维护逻辑上存在相类似属性的数据，这样就把庞大的数据整体进行了切分，有利于数据的管理、查找和维护。 父主题： 大容量数据库

查看更多 →

获取大屏指定组件数据 功能介绍 获取大屏指定组件数据。 URI POST /v1/{project_id}/screens/{screen_id}/query-data 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目ID。获取方法请参考获取项目ID。

查看更多 →

子问题的解的合并。对于大容量数据场景，数据库提供对数据进行“分治处理”的方式即分区，将逻辑数据库或其组成元素划分为不同的独立部分，每一个分区维护逻辑上存在相类似属性的数据，这样就把庞大的数据整体进行了切分，有利于数据的管理、查找和维护。 父主题： 大容量数据库

查看更多 →

药物通用接口 药物数据库管理 药物作业管理 自由能微扰作业管理 分子对接作业管理 分子合成路径规划作业管理 分子优化作业管理 靶点口袋发现作业管理 靶点口袋分子设计作业管理 分子属性预测作业管理 分子搜索作业管理 分子生成作业管理 CPI作业管理 靶点优化作业管理 聚类分析作业管理 药物模型管理

查看更多 →

子问题的解的合并。对于大容量数据场景，数据库提供对数据进行“分治处理”的方式即分区，将逻辑数据库或其组成元素划分为不同的独立部分，每一个分区维护逻辑上存在相类似属性的数据，这样就把庞大的数据整体进行了切分，有利于数据的管理、查找和维护。 父主题： 大容量数据库

查看更多 →

子问题的解的合并。对于大容量数据场景，数据库提供对数据进行“分治处理”的方式即分区，将逻辑数据库或其组成元素划分为不同的独立部分，每一个分区维护逻辑上存在相类似属性的数据，这样就把庞大的数据整体进行了切分，有利于数据的管理、查找和维护。 父主题： 大容量数据库

查看更多 →

使用数据工程构建NLP大模型数据集 NLP大模型支持接入的数据集类型 盘古NLP大模型仅支持接入文本类数据集，该数据集格式要求请参见文本类数据集格式要求。 构建NLP大模型所需数据量 使用数据工程构建盘古NLP大模型数据集进行模型训练时，所需数据量见表1。 表1 构建NLP大模型所需数据量

查看更多 →