Dutch Holland
U P L O A D E R
BioPharmics Surflex Platform v5.191 MultiOS
BioPharmics Surflex Platform v5.191 MultiOS || 2.8 GB || Sprache: Englisch
Beschreibung:
Die Surflex-Plattform besteht aus den fünf unten beschriebenen Modulen. Das Surflex-Handbuch enthält Einzelheiten zu allen Rechenverfahren und Optionen in jedem Befehlszeilenmodul. Wir unterstützen Linux (die gängigsten Varianten), Windows und MacOS. Alle Module sind Multi-Core-fähig und mit modernen Multi-Core-Laptops, Workstations und HPC-Clustern sind sehr deutliche Geschwindigkeitssteigerungen zu beobachten.
Tools-Modul
Schnelle und genaue Verarbeitung kleiner Moleküle
Das Tools-Modul befasst sich mit den häufigsten Aspekten der Herstellung kleiner Moleküle
2D-zu-3D-Konvertierung (von SMILES oder SDF)
Erkennung und Aufzählung von Chiralität
Protonierung
Konformergenerierung
Funktionen und Vorteile
Vorlagenfrei und nicht stochastisch
Verlässt sich bei der Strukturableitung auf das MMFF94sf-Kraftfeld
Schnell und genau bei typischen medikamentenähnlichen Liganden, mit besserer Abdeckung verschiedener Konformationen
Schnellste und genaueste Methode für makrozyklische Liganden
Fähig, NMR-Einschränkungen zu integrieren, was besonders nützlich für große peptidische Makrozyklen ist
Ähnlichkeitsmodul
Hochmoderne 3D-Molekülähnlichkeit
Das Ähnlichkeitsmodul implementiert Ligandenähnlichkeitsoperationen mithilfe der eSim-Methode
Virtuelles Screening
Pose-Vorhersage
Ausrichtung mehrerer Liganden
Die zentrale eSim-Methodik ist auch in Docking und QuanSA integriert Module.
Funktionen und Vorteile
Die virtuelle Screening-Anreicherung ist sowohl praktisch als auch statistisch deutlich besser als alternative Methoden
Virtuelle Screening-Geschwindigkeiten von über 20 Millionen Verbindungen pro Tag auf einem einzigen Rechenkern
Datenbanken mit Milliarden von Molekülen können mithilfe von Cloud-basierten Rechenressourcen in Stunden gescreent werden
Die Genauigkeit der Pose-Vorhersage ist wesentlich besser als bei alternativen Ansätzen
Docking- und xGen-Module
Erstklassige Lösung für virtuelles Screening und Pose-Vorhersage + Realraum-Röntgendichtemodellierung von Liganden
Das Docking-Modul befasst sich mit allen Aspekten des Ensemble-Dockings
Abruf und Verarbeitung von PDBs im großen Maßstab
Oberflächenbasierte Ausrichtung der Bindungsstelle mithilfe der PSIM-Methode
Vollautomatische Auswahl der Taschenvariante zur Abdeckung der relevanten Proteinkonformationsvariation
Virtuelles Screening
Pose-Vorhersage
Funktionen und Vorteile
Automatische Ausrichtung und Auswahl geeigneter Bindungsstellenvarianten
Robuste und vollautomatische Modi für virtuelles Screening und Pose-Vorhersage\Sehr umfangreiche Validierung
Hochpräzises Docking von nicht verwandten Liganden
Direkt anwendbar auf synthetische Makrozyklen, mit Genauigkeit Äquivalent zu Nicht-Makrozyklen
Das xGen-Modul implementiert eine neuartige Methode zur Realraumverfeinerung und De-novo-Anpassung von Ligandenensembles in Röntgendichtekarten
Modelliert die Ligandendichte mithilfe von Konformationsensembles
Vermeidet atomspezifische B-Faktoren als Röntgenmodellparameter
Erzeugt chemisch sinnvolle Konformere mit geringer Spannungsenergie; anwendbar auf komplexe Makrozyklen
Ergibt eine bessere Anpassung an die Röntgendichte als Standardanpassungsansätze
Zugänglich für Nicht-Kristallographen und als Teil kristallographischer Arbeitsabläufe
Affinitätsmodul
Einzigartiger maschineller Lernansatz zur Vorhersage von Bindungsaffinität und -stellung
Das Affinitätsmodul implementiert die QuanSA-Methode (Quantitative Surface-field Analysis), die physikalisch sinnvolle Modelle erstellt, die die kausale Grundlage von Protein-Liganden-Interaktionen approximieren. Das Modul implementiert integrierte Verfahren zur quantitativen Vorhersage von Bindungsaffinität und Ligandenpose, mit oder ohne Proteinstrukturinformationen
Mehrfache Ligandenausrichtung für Molekülreihen, die mehrere Gerüste umfassen
Einbeziehung bekannter Bindungsstelleninformationen
Maschineller Lernansatz zur Induktion physikalischer Bindungsstellenmodelle unter Verwendung eines Mehrfachinstanzansatzes
Vorhersage von Bindungsaffinität und Bindungsmodus neuer Liganden
Iterative Verfeinerung von Modellen mit neuen Daten
Funktionen und Vorteile
Vollautomatischer Modellaufbau, einschließlich aller Aspekte der Ligandenkonformation und -ausrichtung
Das Bindungsstellenmodell (ein „Taschenfeld“) ist analog zu einer Proteinbindungsstelle, einschließlich Aspekten der Flexibilität
Das Taschenfeld identifiziert, welche Pose ein neues Molekül einnehmen muss, und die Ligandenspannung wird direkt modelliert
Messungen der Vorhersagesicherheit und molekularen Neuheit leiten die Benutzerinterpretation
Sehr detaillierte Aspekte der Moleküloberflächenform, der Richtungspräferenzen für Wasserstoffbrücken und der Coulomb-Elektrostatik werden gelernt
Erfordert nur 20 Moleküle für die Modellinduktion und ist in der Lage, Reihen von Hunderte von Molekülen.
Tools-Modul
Schnelle und genaue Verarbeitung kleiner Moleküle
Das Tools-Modul befasst sich mit den häufigsten Aspekten der Herstellung kleiner Moleküle
2D-zu-3D-Konvertierung (von SMILES oder SDF)
Erkennung und Aufzählung von Chiralität
Protonierung
Konformergenerierung
Funktionen und Vorteile
Vorlagenfrei und nicht stochastisch
Verlässt sich bei der Strukturableitung auf das MMFF94sf-Kraftfeld
Schnell und genau bei typischen medikamentenähnlichen Liganden, mit besserer Abdeckung verschiedener Konformationen
Schnellste und genaueste Methode für makrozyklische Liganden
Fähig, NMR-Einschränkungen zu integrieren, was besonders nützlich für große peptidische Makrozyklen ist
Ähnlichkeitsmodul
Hochmoderne 3D-Molekülähnlichkeit
Das Ähnlichkeitsmodul implementiert Ligandenähnlichkeitsoperationen mithilfe der eSim-Methode
Virtuelles Screening
Pose-Vorhersage
Ausrichtung mehrerer Liganden
Die zentrale eSim-Methodik ist auch in Docking und QuanSA integriert Module.
Funktionen und Vorteile
Die virtuelle Screening-Anreicherung ist sowohl praktisch als auch statistisch deutlich besser als alternative Methoden
Virtuelle Screening-Geschwindigkeiten von über 20 Millionen Verbindungen pro Tag auf einem einzigen Rechenkern
Datenbanken mit Milliarden von Molekülen können mithilfe von Cloud-basierten Rechenressourcen in Stunden gescreent werden
Die Genauigkeit der Pose-Vorhersage ist wesentlich besser als bei alternativen Ansätzen
Docking- und xGen-Module
Erstklassige Lösung für virtuelles Screening und Pose-Vorhersage + Realraum-Röntgendichtemodellierung von Liganden
Das Docking-Modul befasst sich mit allen Aspekten des Ensemble-Dockings
Abruf und Verarbeitung von PDBs im großen Maßstab
Oberflächenbasierte Ausrichtung der Bindungsstelle mithilfe der PSIM-Methode
Vollautomatische Auswahl der Taschenvariante zur Abdeckung der relevanten Proteinkonformationsvariation
Virtuelles Screening
Pose-Vorhersage
Funktionen und Vorteile
Automatische Ausrichtung und Auswahl geeigneter Bindungsstellenvarianten
Robuste und vollautomatische Modi für virtuelles Screening und Pose-Vorhersage\Sehr umfangreiche Validierung
Hochpräzises Docking von nicht verwandten Liganden
Direkt anwendbar auf synthetische Makrozyklen, mit Genauigkeit Äquivalent zu Nicht-Makrozyklen
Das xGen-Modul implementiert eine neuartige Methode zur Realraumverfeinerung und De-novo-Anpassung von Ligandenensembles in Röntgendichtekarten
Modelliert die Ligandendichte mithilfe von Konformationsensembles
Vermeidet atomspezifische B-Faktoren als Röntgenmodellparameter
Erzeugt chemisch sinnvolle Konformere mit geringer Spannungsenergie; anwendbar auf komplexe Makrozyklen
Ergibt eine bessere Anpassung an die Röntgendichte als Standardanpassungsansätze
Zugänglich für Nicht-Kristallographen und als Teil kristallographischer Arbeitsabläufe
Affinitätsmodul
Einzigartiger maschineller Lernansatz zur Vorhersage von Bindungsaffinität und -stellung
Das Affinitätsmodul implementiert die QuanSA-Methode (Quantitative Surface-field Analysis), die physikalisch sinnvolle Modelle erstellt, die die kausale Grundlage von Protein-Liganden-Interaktionen approximieren. Das Modul implementiert integrierte Verfahren zur quantitativen Vorhersage von Bindungsaffinität und Ligandenpose, mit oder ohne Proteinstrukturinformationen
Mehrfache Ligandenausrichtung für Molekülreihen, die mehrere Gerüste umfassen
Einbeziehung bekannter Bindungsstelleninformationen
Maschineller Lernansatz zur Induktion physikalischer Bindungsstellenmodelle unter Verwendung eines Mehrfachinstanzansatzes
Vorhersage von Bindungsaffinität und Bindungsmodus neuer Liganden
Iterative Verfeinerung von Modellen mit neuen Daten
Funktionen und Vorteile
Vollautomatischer Modellaufbau, einschließlich aller Aspekte der Ligandenkonformation und -ausrichtung
Das Bindungsstellenmodell (ein „Taschenfeld“) ist analog zu einer Proteinbindungsstelle, einschließlich Aspekten der Flexibilität
Das Taschenfeld identifiziert, welche Pose ein neues Molekül einnehmen muss, und die Ligandenspannung wird direkt modelliert
Messungen der Vorhersagesicherheit und molekularen Neuheit leiten die Benutzerinterpretation
Sehr detaillierte Aspekte der Moleküloberflächenform, der Richtungspräferenzen für Wasserstoffbrücken und der Coulomb-Elektrostatik werden gelernt
Erfordert nur 20 Moleküle für die Modellinduktion und ist in der Lage, Reihen von Hunderte von Molekülen.
Sprache: Englisch
File Size: 2.8 GB
Format: .Rar und .Exe
Plattform: Windows 11, 10 (64 Bit)
Passwort: Wird nicht benötigt
Hoster: nitroflare.com , ddownload.com , rapidgator.net
Mirrors sind untereinander kompatibel
Download Links
Bitte
Anmelden
oder
Registrieren
um Links zu sehen.
Bitte
Anmelden
oder
Registrieren
um Links zu sehen.
Bitte
Anmelden
oder
Registrieren
um Links zu sehen.
Bitte
Anmelden
oder
Registrieren
um Links zu sehen.
Bitte
Anmelden
oder
Registrieren
um Links zu sehen.
Bitte
Anmelden
oder
Registrieren
um Links zu sehen.
