Cheminformatics

Storage and retrievalEdit

in deze sectie worden geen bronnen genoemd. Help deze sectie te verbeteren door citaten toe te voegen aan betrouwbare bronnen. Ongesourced materiaal kan worden uitgedaagd en verwijderd. (Februari 2020) (leer hoe en wanneer dit sjabloonbericht verwijderd moet worden)

Main article: Chemical database

een primaire toepassing van cheminformatica is het opslaan, indexeren en zoeken van informatie met betrekking tot chemische verbindingen. Het efficiënt zoeken van dergelijke opgeslagen informatie omvat onderwerpen die worden behandeld in de informatica, zoals datamining, informatie ophalen, informatie-extractie, en machine learning. Gerelateerde onderzoeksthema ‘ s zijn:

File formatsEdit

hoofdartikel: Chemical file format

De in silico-representatie van chemische structuren maakt gebruik van gespecialiseerde formaten zoals de Simplified molecular input line entry specifications (SMILES) of de op XML gebaseerde Chemical Markup Language. Deze representaties worden vaak gebruikt voor opslag in grote chemische databases. Terwijl sommige formaten geschikt zijn voor visuele representaties in twee – of drie-dimensies, zijn anderen meer geschikt voor het bestuderen van fysieke interacties, modellering en docking studies.

Virtual librariesEdit

deze sectie vertrouwt te veel op verwijzingen naar primaire bronnen. Verbeter deze sectie door secundaire of tertiaire bronnen toe te voegen. (Februari 2020) (leer hoe en wanneer dit sjabloonbericht te verwijderen)

chemische gegevens kunnen betrekking hebben op echte of virtuele moleculen. Virtuele bibliotheken van samenstellingen kunnen op verschillende manieren worden gegenereerd om chemische ruimte te verkennen en nieuwe samenstellingen met gewenste eigenschappen te hypothesen. Virtuele bibliotheken van klassen van verbindingen (drugs, natuurlijke producten, diversiteit-georiënteerde synthetische producten) werden onlangs gegenereerd met behulp van de FOG (fragment optimized growth) algoritme. Dit werd gedaan door cheminformatische tools te gebruiken om overgangskansen van een Markov-keten te trainen op authentieke klassen van verbindingen, en vervolgens de Markov-keten te gebruiken om nieuwe verbindingen te genereren die vergelijkbaar waren met de trainingsdatabase.

Virtual screeningEdit

in deze sectie worden geen bronnen genoemd. Help deze sectie te verbeteren door citaten toe te voegen aan betrouwbare bronnen. Ongesourced materiaal kan worden uitgedaagd en verwijderd. (Februari 2020) (lees hoe en wanneer dit sjabloonbericht moet worden verwijderd)

hoofdartikel: Virtuele screening

in tegenstelling tot high-throughput screening, omvat virtuele screening computationele screening in silico-bibliotheken van verbindingen, door middel van verschillende methoden zoals het uitzetten, om leden te identificeren die waarschijnlijk de gewenste eigenschappen bezitten, zoals biologische activiteit tegen een bepaald doel. In sommige gevallen, combinatorische chemie wordt gebruikt in de ontwikkeling van de bibliotheek om de efficiëntie in de mijnbouw van de chemische ruimte te verhogen. Vaker wordt een diverse bibliotheek van kleine moleculen of natuurlijke producten gescreend.

Quantitative structure-activity relationship (QSAR)Edit

Main article: Quantitative structure–activity relationship

Dit is de berekening van kwantitatieve structuur–activiteits relatie en kwantitatieve structuur-eigenschap relatie waarden, gebruikt om de activiteit van verbindingen uit hun structuren te voorspellen. In deze context is er ook een sterke relatie met chemometrie. Chemische expert systemen zijn ook relevant, omdat ze delen van chemische kennis vertegenwoordigen als een in silico representatie. Er is een relatief nieuw concept van gematchte moleculaire pair analyse of voorspelling-gedreven MMPA die is gekoppeld aan QSAR model om activiteit cliff te identificeren.

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd.