Usaré machine learning para buscar compuestos para la interacción con proteínas

Parte de la información se ha traducido automáticamente.

Pakistán

Hablo Inglés

acoplamiento molecular, descubrimiento de fármacos impulsado por IA, modelos 3D

Hola chicos, soy biólogo computacional y artista 3D. Utilizo modelos API entrenados con Python para limpiar grandes conjuntos de datos y encontrar los mejores objetivos para la inhibición de proteínas...
Acerca de este Servicio

Preparación del receptor objetivo: Recuperación, limpieza y optimización de estructuras cristalinas de proteínas directamente desde la Protein Data Bank (PDB) (por ejemplo, manejo de residuos faltantes, carga y mapeo de la caja de cuadrícula).

Curación y filtrado de la biblioteca de ligandos: Obtención de bibliotecas de compuestos de bases de datos como ChEMBL o PubChem, seguido de un filtrado estricto de propiedades fisicoquímicas usando Python (RDKit) para garantizar la similitud a medicamentos (Regla de las Cinco de Lipinski y Criterios de Veber).

Cribado virtual de alto rendimiento (HTVS): Configuración de coordenadas precisas del sitio de unión y ejecución de cribados de alto rendimiento.

Simulaciones de acoplamiento molecular: Acoplamiento estructural completo usando AutoDock Vina para generar datos conformacionales de múltiples poses y extraer afinidades de energía libre de Gibbs ($\Delta G$ en kcal/mol) precisas.

Análisis de datos e informes: Un desglose estadístico limpio y listo para publicación (afinidades mínimas/máximas/media, seguimiento de desviación estándar) que identifica a tus candidatos líderes de nivel avanzado.