粘附型铝箔封板膜 | 药物筛选 | MCE

MedChemExpress的MCE50K多样性库由50,000种化合物组成,经过严格筛选以保证结构多样性和新颖性。这个库适用于HTS和HCS,是药物研发的理想工具。

粘附型铝箔封板膜 | 药物筛选

品牌:MedChemExpress (MCE)

概述:MCE 50K Diversity Library 由 50,000 种类药化合物组成。依据谷本相似性(Tanimoto Coefficient)及聚类算法(Bemis-Murcko)对上百万化合物进行筛选以确保结构多样性。优选的 5 万化合物平均谷本相似数为 0.52,共包含 36,857 个化合物簇且每簇仅包含 1-7 个化合物。除此之外,确保每簇化合物具有尽可能多的官能团,从而实现化合物库取代基、官能团、立体化学、骨架多样,占据广泛的“化学空间”。本多样性库具备新颖性、类药性,化合物结构类型多样、化学空间丰富,库中化合物可重复供应,是新药研发的有力工具,可以广泛地应用于高通量筛选(HTS)和高内涵筛选(HCS)。 详情:https://www.medchemexpress.cn/screening/adhesive-aluminium-foil-plate-seal.html

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值