以及该蛋白质在所有配体小分子的对接结果的均值和标准差。 第2部分描述了配体小分子信息，注释结果如下。 分类：该小分子的在DrugBank中分类信息。 化学式：小分子的化学式。 X LOG P3：小分子的脂溶性logP。 TPSA：小分子的拓扑极性表面积。 靶点：小分子的靶点。 Csp3比例：小分子的碳饱和度。

查看更多 →

Viewer工具支持查看蛋白质和小分子的3D结构。单击“立即使用”，进入MOL 3D Viewer页面即可操作。 主要功能包括： 本地分子结构的3D可视化，支持多种显示样式，支持本地文件拖拽进画布区域进行渲染。 大分子支持PDB编号自动下载。 相互作用的可视化。 支持分子的编辑、标注。 测量、测量距离、角度、二角面等。

查看更多 →

药物数据输入格式说明 药物虚拟筛选平台的输入数据，需要输入蛋白质和配体小分子数据。参考以下数据要求，将数据上传至项目中。 输入蛋白质，pdb格式，将要进行对接的所有靶标蛋白放在一个文件夹内。 输入配体小分子，配体小分子为如下格式的txt文件。 第一列为smiles字符串，第二列为smiles名称，中间用tab键分割。

查看更多 →

作业”中查看药筛作业的后台进程。 图1 查看作业进程 对接完成后的小分子构象下载 单击应用中的“qvina-w”，获取输出结果的路径。 文件的命名方式为：蛋白质名称_vs_配体名称_blinddock.pdbqt。 图2 下载小分子构想数据 父主题： 运行大规模虚拟药筛任务

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

可自定义研究名称。 流程 选择资产市场中订阅的Docking Summary流程。 配体分子 选择上传的配体小分子文件。 受体蛋白 选择上传的受体蛋白文件夹。这里会默认用文件夹里面所有的蛋白质和配体小分子文件里面的小分子进行一一对接。 超时时间 根据受体配体对个数进行调整，一个受体配体对对接大约需要25s。

查看更多 →

图3 靶点配置输入PDB ID 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。 绘制分子：只能绘制一个分子，能够输入分子的SMILES。 选择文件：选择分子文件，最多支持100万个小分子，且分子文件大小不超过2GB。支持SDF、MOL2、P

查看更多 →

单击查看2D相互作用图，可以看到对接后的小分子构象与蛋白的2D相互作用图。 图10 查看2D相互作用图 单击“下游分析”选择分子搜索、分子属性预测、分子优化或分子属性预测或合成路径规划后，单击“确定”即可创建下游分析。 单击“下载3D”可以下载小分子或复合物。 单击“查看详情”可以直观查看小分子的结合能和属性信息。

查看更多 →

单击“提交”，提交任务。 分子生成结果支持以列表视图的形式进行查看 可以以列表的形式查看分子生成的作业，单击左上角“下载”，下载分子生成的结果或者分子3D构象。如果分子设置了靶点，可以下载小分子或复合物，若分子未设置靶点，只能下载小分子。 分子生成对应的下游分析为分子搜索、分子优化和合成路径，通过单击“下游分析”可以进行创建。

查看更多 →

初始化采样权重：设置越大，优化的小分子新颖性越低，设置越小，优化的小分子新颖性越高。 选择属性模型：选择AI模型。如果需要创建模型，可参考AI模型。此参数只有专业版支持。一次最多可以选10个模型属性。 标签：设置任务标签。 功能调用消耗：运行一次功能会消耗一次。 优化后的小分子在满足强约束条件的

查看更多 →

CpiResultItem 参数 参数类型 描述 smiles String 分子SMILES表达式 props Array of objects 分子ADMET属性值列表 score Number 分子与蛋白质的打分 表7 CustomProp 参数 参数类型 描述 id String

查看更多 →

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

查看更多 →

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、靶点口袋分子设计（骨架跃迁、片段优

查看更多 →

查看3D：查看分子的3D视图。 下游分析：靶点口袋分子设计对应的下游分析为分子优化和合成路径，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。 每个分子卡片上会展示相应分子序号与对应的参数Score、Vina

查看更多 →

合成路径规划基于盘古药物分子大模型，根据给定的目标分子，可以设计出完整且合理的合成路径。 单击“合成路径规划”功能卡片，进入配置页面。 在配置页面，可以在左侧绘制分子，也可以通过上传分子文件方式上传分子或者在白框内输入小分子SMILES表达式。 上传分子文件：支持SDF、MOL2、PDB、SMI格式文件。

查看更多 →

根据center、size、padding参数生成可渲染的口袋文件内容 根据表面离散点坐标集生成可渲染的文件内容 将传入的蛋白和小分子拼接成复合物结构 创建分子或分子复合物批量下载任务 查询分子或分子复合物批量下载任务详情 受体预处理（Fasta格式） 父主题： API（盘古辅助制药平台）

查看更多 →

盘古药物分子大模型 盘古药物分子大模型是基于华为与中科院上海药物所共同研发、专门面向药物研发领域推出的预训练大模型，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

查看更多 →

盘古药物分子大模型 盘古药物分子大模型是基于华为与中科院上海药物所共同研发、专门面向药物研发领域推出的预训练大模型，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

查看更多 →

计算机辅助技术可以极快地加速前两个阶段，利用同源建模和分子动力学模拟，从病毒蛋白一级序列快速获得病毒蛋白3D结构，并且依托云端算力实现大规模筛选和成药性分析，从万级的小分子筛选库获得百级的候选小分子只需耗时10天。随后研究机构、药厂通过试验验证和临床试验，最终确定可靠的药物小分子用于疾病治疗。 图1 药物筛选之旅

查看更多 →

？ Intel oneAPI Toolkit（Intel并行计算平台）运行的VASP（用于电子结构计算和量子力学-分子动力学模拟）任务对CPU硬件版本有深度依赖，在小规格Pod场景下概率性运行失败，建议切换oneAPI版本或使用4核以上Pod运行。 父主题： 容器工作负载类

查看更多 →