Cheminformatics

Storage and retrievalEdit

ez a rész nem idéz semmilyen forrást. Kérjük, segítsen javítani ezt a részt azáltal, hogy idézeteket ad hozzá megbízható forrásokhoz. A nem beszerzett anyag kifogásolható és eltávolítható. (2020.február) (Ismerje meg, hogyan és mikor távolítsa el ezt a sablonüzenetet)

fő cikk: kémiai adatbázis

a keminformatika elsődleges alkalmazása a kémiai vegyületekkel kapcsolatos információk tárolása, indexelése és keresése. Az ilyen tárolt információk hatékony keresése olyan témákat foglal magában, amelyekkel a számítástechnika foglalkozik, mint például az adatbányászat, az információkeresés, az információ kinyerése és a gépi tanulás. Kapcsolódó kutatási témák a következők:

Fájlformátumokszerkesztés

fő cikk: kémiai fájlformátum

a kémiai struktúrák in silico ábrázolása speciális formátumokat használ, mint például az egyszerűsített molekuláris bemeneti sorbeviteli SPECIFIKÁCIÓK (SMILES) vagy az XML-alapú kémiai jelölőnyelv. Ezeket az ábrázolásokat gyakran használják nagy kémiai adatbázisokban történő tárolásra. Míg egyes formátumok két-vagy háromdimenziós vizuális ábrázolásokra alkalmasak, mások inkább fizikai interakciók tanulmányozására, modellezésre és dokkolási tanulmányokra alkalmasak.

Virtual librariesEdit

ez a szakasz túlságosan támaszkodik az elsődleges forrásokra való hivatkozásokra. Kérjük, javítsa ezt a részt másodlagos vagy harmadlagos források hozzáadásával. (2020. február) (Ismerje meg, hogyan és mikor távolítsa el ezt a sablonüzenetet)

a kémiai adatok valós vagy virtuális molekulákra vonatkozhatnak. A vegyületek virtuális könyvtárai különböző módokon hozhatók létre a kémiai tér feltárására és a kívánt tulajdonságokkal rendelkező új vegyületek hipotézisére. A vegyületek osztályainak (gyógyszerek, természetes termékek, sokszínűség-orientált szintetikus termékek) virtuális könyvtárait nemrégiben a köd (fragmentum optimalizált növekedés) algoritmus segítségével hozták létre. Ezt keminformatikus eszközökkel végeztük a Markov-lánc átmeneti valószínűségének betanítására hiteles vegyületosztályokon, majd a Markov-lánc segítségével új vegyületeket állítottunk elő, amelyek hasonlóak voltak a képzési adatbázishoz.

Virtual screeningEdit

ez a szakasz nem idéz semmilyen forrást. Kérjük, segítsen javítani ezt a részt azáltal, hogy idézeteket ad hozzá megbízható forrásokhoz. A nem beszerzett anyag kifogásolható és eltávolítható. (2020. február) (Ismerje meg, hogyan és mikor kell eltávolítani ezt a sablonüzenetet)

fő cikk: Virtuális szűrés

a nagy áteresztőképességű szűréssel ellentétben a virtuális szűrés magában foglalja a vegyületek Szilícium könyvtárainak számítógépes szűrését különféle módszerekkel, például dokkolással, hogy azonosítsák azokat a tagokat, amelyek valószínűleg rendelkeznek a kívánt tulajdonságokkal, például biológiai aktivitással egy adott célpont ellen. Bizonyos esetekben kombinatorikus kémiát használnak a könyvtár fejlesztésében a kémiai tér bányászatának hatékonyságának növelése érdekében. Gyakrabban kis molekulák vagy természetes termékek változatos könyvtárát szűrik.

Quantitative structure-activity relationship (QSAR)Edit

fő cikk: Quantitative structure–activity relationship

Ez a kvantitatív szerkezet–aktivitás kapcsolat és a kvantitatív szerkezet tulajdonság kapcsolat értékek kiszámítása, amelyet a vegyületek szerkezetének aktivitásának előrejelzésére használnak. Ebben az összefüggésben szoros kapcsolat van a kemometriával is. A kémiai szakértői rendszerek szintén relevánsak, mivel a kémiai ismeretek egyes részeit in silico reprezentációként képviselik. Van egy viszonylag új koncepció az illesztett molekuláris párelemzésről vagy a predikcióvezérelt MMPA-ról, amely QSAR modellel párosul az aktivitási szikla azonosítása érdekében.

KGSAU