上海药物所发布免费在线药物靶标预测平台
药物靶标的识别与验证是药物发现过程中至关重要的第一步，在药物研发过程中，30%-40%的在研药物由于药物靶标选择的不恰当而以失败告终。因此，发展一种高效的计算方法来预测新的药物靶标就显得尤其重要。 最近，中国科学院上海药物研究所朱维良研究组发布免费在线药物靶标预测平台D3TPredictor，此平台仅需提交蛋白质的一级序列，就可以进行药物靶标预测，是第一个利用多算法与多模型联合策略的药物靶标预测平台（http://www.d3pharma.com/d3tpredictor/），任何国内外用户可免费访问使用。 该平台基于多步骤过滤的高质量的非靶标数据集和靶标数据集，发展基于多算法与多模型联合的药物靶标预测策略。基于3个数据集定性和定量的评估，得出不同算法及模型的优劣；通过一个随机数据集的评估，进一步确证多算法多模型联合策略较单算法单模型策略的优越性，并筛选出最佳的算法与模型组合：19组平行模型。临床靶标数据集的测试已证明......阅读全文
靶标预测
靶标预测A:有什么简单的方法可以通过化合物的结构式预测该化合物可能的药理毒理作用么，比如抗肿瘤，抗炎，抗神经等等。B:反向找靶。A:那就复杂咯，想简单点，然后去做细胞实验验证。想着是不是可以通过计算机来预测哈子。C:反向对接。D:直接做激酶谱不就行了。E:多糖类药物可以做这个激酶谱吗?F:激酶谱 一
上海药物所发布免费在线药物靶标预测平台
药物靶标的识别与验证是药物发现过程中至关重要的第一步，在药物研发过程中，30%-40%的在研药物由于药物靶标选择的不恰当而以失败告终。因此，发展一种高效的计算方法来预测新的药物靶标就显得尤其重要。 最近，中国科学院上海药物研究所朱维良研究组发布免费在线药物靶标预测平台D3TPredictor
新算法突破实现药物靶标亲合力快速精准预测
海南大学药学院教授罗海彬团队联合中山大学药学院副教授李哲团队提出了一种基于组合结构的相对结合自由能 (CS-FEP) 的药物设计新方法，实现小分子药物与生物大分子靶标间的结合自由能（以下简称药物-靶标亲合力）的快速精准预测，取得药物设计关键技术的突破，实现自由能微扰（FEP）在药物设计新方法领域的国
新算法突破实现药物靶标亲合力快速精准预测
海南大学药学院教授罗海彬团队联合中山大学药学院副教授李哲团队提出了一种基于组合结构的相对结合自由能 (CS-FEP) 的药物设计新方法，实现小分子药物与生物大分子靶标间的结合自由能（以下简称药物-靶标亲合力）的快速精准预测，取得药物设计关键技术的突破，实现自由能微扰（FEP）在药物设计新方法领域
机器学习模型预测中风？
中风的诊断可能很棘手，因为患者并不总是表现出典型的症状，而且其他疾病也可能模仿它。研究人员利用现有数据开发了一种机器学习模型，可以准确预测中风，并可能使诊断变得更容易。诊断错误是一个主要的公共卫生问题，造成了可预防的病人伤害和卫生超支。由于诊断错误而导致的可预防的中风死亡比误诊的心脏病发作要常见30
微信学术交流群之靶标预测
靶标预测 A:有什么简单的方法可以通过化合物的结构式预测该化合物可能的药理毒理作用么，比如抗肿瘤，抗炎，抗神经等等。 B:反向找靶。 A:那就复杂咯，想简单点，然后去做细胞实验验证。想着是不是可以通过计算机来预测哈子。 C:反向对接。 D:直接做激酶谱不就行了。
基于ASM模型的出水水质预测机理模型
为了推动和规范活性污泥模型的发展，国际水协会(International Water Association, IWA)于1983年组织南非、日本、美国、丹麦、荷兰五国专家成立活性污泥通用模型国际研究小组，致力于新的活性污泥数学模型的开发，并于1987年、1995年和1999年陆续推 出了3个ASM
DeepMind－AI模型预测天气又快又好
近日一项发表于《自然》的研究报道了谷歌DeepMind开发的首个天气预测人工智能（AI）模型——GenCast。该模型比目前运行中的最佳中期预报系统——欧洲中期天气预报中心的集合预报（ENS）更精准。GenCast在8分钟内就能完成15天的预测，而目前的预测程序需要几个小时。据介绍，包括ENS在内的
换个模型预测气候变化
《自然—气候变化》11月23日发表的多模型分析，依据2030年前后的减排措施预测了气候场景，发现即使最乐观的场景也不足以将全球变暖限制在2°C以内。这个前瞻性建模方法与传统“倒序”设想不同，后者聚焦于预先规定的气候目标并描述如何实现这些目标。大多数气候模型聚焦于一种被称为“倒序推演”的概念，其中目标
上海药物所计算机靶标预测及发现技术研究取得新进展
中科院上海药物所蒋华良课题组与华东理工大学药学院李洪林课题组合作，继反向对接方法——TarFisDock后，该研究团队构建了药效团靶标库—PharmTargetDB（包含7000余个重要靶标结构的信息和药效团模型，涵盖了349种生物功能和110种临床适应症）。通过药效团匹配方法，课
NEJM：癌症药物研发的新型靶标
SALL4基因负责调节胚胎干细胞的自我更新，是许多癌症中的关键基因，例如肝癌。现在，哈佛干细胞研究所HSCI的研究人员，在肝癌模型中对SALL4基因进行研究，找到了阻断其活性的新型药物。这项研究发表在新英格兰医学杂志(New England Journal of Medicine)上。
新模型精准预测土壤“碳排放”
从天津大学获悉，日前，该校地科院晏智锋副教授与联合西北太平洋国家实验室—马里兰大学联合全球气候变化研究所合作，在土壤异养呼吸过程模型构建与应用上取得新进展，首次建立了可精准监测土壤“碳排放”的过程模型系统，该系统可更加精准地预报土壤异养呼吸对大气环境的影响。 土壤中的微生物、作物根系和土壤动物
新模型精准预测土壤“碳排放”
记者从天津大学获悉，日前，该校地科院晏智锋副教授与联合西北太平洋国家实验室—马里兰大学联合全球气候变化研究所合作，在土壤异养呼吸过程模型构建与应用上取得新进展，首次建立了可精准监测土壤“碳排放”的过程模型系统，该系统可更加精准地预报土壤异养呼吸对大气环境的影响。 土壤中的微生物、作物根系和土壤动物
开发出新型预测模型来预测HIV疗法的效果
艾滋病毒非常可怕，尤其是其自身非常好的自适应性，如果HIV对于某一个靶点药物产生了变异，那么就变相宣布了此疗法的失败。为了尽量降低HIV的防御机制，医生们会使用许多种药物联合的方法来治疗患者，这种方法就可以使得病毒对特定药物耐受之前经历相当长的变异过程。 近日，刊登在国际杂志PLoS Co
如何使用生态模型中逻辑斯蒂增长模型进行预测？
使用逻辑斯蒂增长模型进行预测可以按照以下步骤进行： **一、确定模型形式** 逻辑斯蒂增长模型的一般形式为： \(P(t)=\frac{K}{1 + ae^{-bt}}\) 其中，\(P(t)\)表示在时间\(t\)时的预测值（如种群数量、市场需求等），\(K\)是环境容纳量（最
Cell子刊：详解热点药物靶标
美国Scripps研究所TSRI的科学家确定了一个热点酶与一些重要蛋白相互作用时的结构，这些蛋白涉及了神经退行性疾病和胰岛素抵抗。这种酶就是C- jun氨基末端激酶JNK，它对神经细胞的存活有关键影响，被视为治疗帕金森症、阿尔茨海默症、肌萎缩侧索硬化ALS等大脑疾病最具价值的药物靶点之一。该
欧洲夏季将比模型预测的更炎热
欧洲的酷夏和热浪将比人们担心的更加闷热。一项在近日举行的欧洲地球科学联盟大会上发布的研究表明，行政管理者所依赖的区域气候模型严重低估了夏季的炎热情况，因为它们没有考虑到空气污染减少带来更强烈的阳光。2023年7月，在希腊雅典，女子用瓶装水降温。图片来源：Louisa Gouliamaki/AFP/G
Science：谷歌AI新模型预测天气快又准
原文地址：http://news.sciencenet.cn/htmlnews/2023/11/512459.shtm编译 ｜ 辛雨 图片来源：Carlos Munoz Yague 人工智能（AI）公司Google DeepMind开发的机器学习模型GraphCast，在“3至
AI新模型快速预测材料光学性质
未来的中央处理器（艺术图）。图片来源：美国趣味工程网站科技日报讯 （记者刘霞）据美国趣味工程网站近日报道，日本东北大学和美国麻省理工学院科学家，成功开发出一款新人工智能（AI）模型GNNOpt。该模型能以与量子模拟相同的精度预测材料的光学性质，但速度能快100万倍。研究团队表示，这一重要进展有望加速
流感疫情多严重？这个模型来预测
最近，身边感冒的人突然多了起来，提示我们季节性流感又来了。流感，似乎伴随着人类的历史，有时严重，有时轻微。芝加哥大学的研究人员通过研究流感病毒如何演化，可以更好地预测未来的流感有多严重。这项成果近日发表在《Science Translational Medicine》上。 季节性流感每年会造
生态模型中逻辑斯蒂增长模型与其他预测模型相比有哪些优缺点？
逻辑斯蒂增长模型与其他预测模型相比，有以下优点和缺点：优点：描述种群增长规律：在生物学领域，能较好地描述生物种群在资源有限环境下的增长情况，呈现出先加速增长后趋于稳定的特征，符合许多生物种群实际增长模式，如鱼类种群数量在一定水域内的变化 51626。考虑环境限制因素：相比指数增长模型等简单模型，逻辑
Nature：外核体的特殊靶标或可预测癌症的转移走向
理解肿瘤为何会在特殊器官中发生转移而不会在别的器官中转移是肿瘤学研究领域的一大目标，126年前，英国伦敦皇家医院的助理外科医生斯蒂芬？佩吉特(Stephen Paget) 提出了癌细胞转移的”种子与土壤”假说，该假说指出，癌症转移需要肿瘤细胞的扩散，同时也需要目的器官中良好的环境。 近日，一项
内含肽可作为治疗线粒体疾病药物靶标
粒体DNA(mtDNA)突变，将导致mtDNA编码、与氧化磷酸化有关的13种蛋白质的突变，从而起很多罕见的疾病，这也可能是人类衰老的原因之一。由于该13种蛋白质高度的疏水性，通过转基编码表达的有生物活性的蛋白质很难从细胞质中进入线粒体。根据内含肽的作用机制，首先在胞质合成线粒体目标蛋白前体片段序
上海药物所靶标发现技术取得突破
中科院上海药物所蒋华良研究员与大连理工大学力学系王希诚教授合作，针对寻找药物作用新靶标的需求，带领博士后李洪林和高振霆等，发展了以活性小分子为探针、搜寻潜在结合蛋白质的“反向分子对接”方法，相关结果发表在Nucl. Acids Res. (2006, 34, W219-224)，并建立了相应的公共网
如何根据生态模型逻辑斯蒂增长模型预测种群数量的变化？
逻辑斯蒂增长模型的方程通常表示为： \[ \frac{dN}{dt} = rN\left(1 - \frac{N}{K}\right) \] 其中，\(N\)是种群数量，\(t\)是时间，\(r\)是种群的内禀增长率（在理想条件下的增长率），\(K\)是环境容纳量（即特定环境所能支持
生态模型中逻辑斯蒂增长模型的预测结果是否准确？
逻辑斯蒂增长模型的预测结果并不总是完全准确，具有一定的不确定性，原因如下：一、准确性方面的表现在特定条件下较为准确：具有明显增长规律的市场：对于一些具有典型增长和饱和特征的市场，逻辑斯蒂增长模型可以给出相对准确的预测。例如，某些成熟的消费品类市场，其增长受到资源（如市场规模、消费者数量、生产能力等）
如何根据生态模型逻辑斯蒂增长模型预测种群数量的变化？
逻辑斯蒂增长模型的方程通常表示为： \[ \frac{dN}{dt} = rN\left(1 - \frac{N}{K}\right) \] 其中，\(N\)是种群数量，\(t\)是时间，\(r\)是种群的内禀增长率（在理想条件下的增长率），\(K\)是环境容纳量（即特定环境所能支持
新模型可预测寨卡病毒传播风险
据日本北海道大学近日报道，该校研究人员和东京大学、日本科学技术振兴机构等合作，利用一种新的模型工具预测了寨卡病毒传入及在189个国家本地传播的风险。 研究人员发表在学术期刊《Peer J》上的论文指出，与巴西联系密切的国家传入寨卡病毒的风险尤其高，那些有登革热及其它蚊子传播疾病史的热带、亚热带
新AI模型或更准确预测气象灾害
谷歌公司最近发布了一款新的生成式人工智能（AI）模型——可扩展集成包络扩散采样器（SEEDS）。该公司称，SEEDS能提供更准确的天气预报信息，比传统方法成本更低，而且能检测到难以发现的极端天气事件。相关论文发表于最新一期《科学进展》杂志。 谷歌表示，SEEDS模型与ChatGPT等流行的大型
新模型可预测寨卡病毒传播风险
据日本北海道大学近日报道，该校研究人员和东京大学、日本科学技术振兴机构等合作，利用一种新的模型工具预测了寨卡病毒传入及在189个国家本地传播的风险。 研究人员发表在学术期刊《Peer J》上的论文指出，与巴西联系密切的国家传入寨卡病毒的风险尤其高，那些有登革热及其它蚊子传播疾病史的热带、亚热