50K Diversity Library | 药物筛选 | MCE

50K Diversity Library | 药物筛选

品牌:MedChemExpress (MCE)

概述:癌症是全球第二大死亡原因,严重威胁人类健康。肿瘤和恶性肿瘤是癌症的其他常见名称。细胞周期调控和细胞分裂过程失调是导致癌症发生的主要原因。靶向治疗通过靶向控制癌细胞生长、分裂和扩散的蛋白质,在癌症治疗中发挥着重要作用。近年来的研究主要集中在靶向肿瘤生存的关键蛋白、肿瘤干细胞、肿瘤微环境、肿瘤免疫学等方面。MCE 收录了 7585 种抗肿瘤化合物,主要靶向激酶、细胞周期调控的关键蛋白,肿瘤发生相关的信号通路等,是筛选抗肿瘤药物的有用工具。我们将在明确您的产品用途后,向符合资质的客户通过定制合成服务的方式提供 MCE 抗癌症化合物库,我们为该库中的所有产品提供溶液包装或粉末包装。溶液包装中,7410 个产品以 10 mM 浓度提供,155 个产品以 2 mM 浓度提供,20 个产品以 3 mg/mL 浓度提供。溶液包装中,我们对于溶液状态稳定且溶解度不低于 10 mM 的产品,提供 10 mM 溶液;对于溶液状态稳定且溶解度介于 2~10 mM 的产品,我们提供 2 mM 溶液;对于溶液状态稳定、分子量不确定且溶解度不低于 3 mg/mL产品,我们提供 3 mg/mL 溶液。

活性 & 特点:
•    该库中的化合物通过相异性搜索(Tanimoto 系数为 0.52)进行选择,以提供更多种类和更广泛的化学空间覆盖范围。
•    36,857 个独特的支架(Bemis-Murcko),每个支架有1 到7 个化合物。
•    符合“Lipinski 的五法则”,具有多种特性,例如计算出的良好溶解度 (-3.2
•    通过所有相关的 MedChem 过滤器,特别是泛测定干扰化合物 (PAINS) 基序,以去除任何不适当的化学结构并避免错误命中。
•   具有相同支架的化合物具有尽可能多的官能团,以确保不同的

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型,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