Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Realizaré acoplamiento molecular, modelado QSAR y descubrimiento de fármacos con ML.
Acerca de este Servicio
Acelera tu proceso de descubrimiento de fármacos con análisis computacional riguroso basado en machine learning y estructura molecular.
¿Estás trabajando en optimización de compuestos, perfilado de objetivos o predicción de bioactividad? Los modelos estándar de machine learning a menudo no generalizan bien porque dependen de divisiones aleatorias que sobreajustan a series químicas. Ofrezco flujos de trabajo de descubrimiento de fármacos computacional de nivel publicación, adaptados a tu objetivo biológico. Combinando machine learning consciente de la estructura (Random Forest, Extra Trees, SVR), IA explicable (SHAP) y acoplamiento molecular (AutoDock Vina), te ayudo a identificar, interpretar y priorizar moléculas candidatas de alto potencial, considerando mutaciones de resistencia.
FAQ
Traducción automática
¿Qué datos de entrada necesito proporcionar?
Puedes proporcionar un archivo CSV, Excel o SDF con tus compuestos, incluyendo cadenas SMILES y valores de bioactividad (como IC50 o pIC50), o simplemente darme el nombre de tu proteína objetivo y puedo recopilar datos de ChEMBL para ti.
¿Por qué usar división consciente de scaffolds en lugar de una división aleatoria de entrenamiento/prueba?
Las divisiones aleatorias a menudo colocan análogos químicamente similares en ambos conjuntos, lo que inflama falsamente la precisión. La división por scaffolds prueba la verdadera capacidad del modelo para generalizar a estructuras químicas completamente nuevas.
¿Se consideran las puntuaciones de acoplamiento como afinidades de unión experimentales absolutas?
No. Las puntuaciones de AutoDock Vina y los análisis de contacto con residuos se usan como señales robustas de clasificación y priorización estructural para guiar la selección experimental de candidatos.
¿Qué lenguajes de programación y herramientas utilizas?
El pipeline está construido con Python (scikit-learn, RDKit, SHAP) para machine learning y quimioinformática, junto con AutoDock Vina y Meeko para acoplamiento molecular.
¿Qué recibiré al completar el pedido?
Recibirás scripts en Python o Jupyter Notebooks bien documentados, figuras de alta resolución (como gráficos SHAP y poses de acoplamiento) y un informe resumen completo de los resultados.
