【Discovery Studio安装问题处理】没有prepare ligand如何解决?网上安装的功能缺失?无prepare protein板块?没有BLAST Search(NCBI Server

1. Discovery Studio没有prepare ligand如何解决?
2. Discovery Studio网络上安装的功能缺失?
3. Discovery Studio无prepare protein板块?
4.百度上安装的版本,只有四个模块,没有BLAST Search(NCBI Server)…的选项

是因为缺少了服务端的Server,只含客户端所以功能不全;

无服务器完整的Discovery Studio功能截图如下:(只含客户端)

适合短期使用Discovery Studio的客户端自带的4个简单功能的初学者使用
在这里插入图片描述
左侧为四个模块,右下角有显示Enable Additional Features
或者Server:<none>

有服务器完整的Discovery Studio功能截图如下:

适合长期使用Discovery Studio的,且需要做分子对接的友友
在这里插入图片描述
在这里插入图片描述
安装好服务以后左侧明显能看到功能模块齐全了,右下角显示为
在这里插入图片描述
在这里插入图片描述
则说明你的服务已经安装完成;

到此也就解决了Discovery Studio安装过程中的模块缺失问题。

由于百度上提供的大部分是只含客服端的破解软件,本人安装也是踩坑过来的,需要服务端的Server安装文件的可以联系我哦

注意:客户端只能装在C盘哦,服务可以装在别个盘

如需分子对接的其他软件如:Pymol或者AutoDock的友友也可以来找我,这里有软件资源

  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
1. 决策树的实际运用领域: 决策树可以用于分类和回归问题的建模,常用于金融风险评估、医学诊断、物流运输、市场营销等领域。近年来,随着大数据时代的到来,决策树在互联网领域的应用也越来越广泛,如搜索引擎中的网页分类、广告推荐、用户行为分析等。 文献支持: - J. Han, M. Kamber, J. Pei. 数据挖掘:概念与技术[M]. 北京:机械工业出版社, 2012. - W. W. Cohen. Decision Trees and Decision Rules. In: Handbook of Automated Reasoning. Elsevier, 2001. 2. 贝叶斯模型的实际运用领域: 贝叶斯模型是一种概率统计模型,广泛用于分类、回归、聚类等问题的建模。常用于文本分类、垃圾邮件过滤、情感分析、推荐系统等领域。近年来,随着深度学习等新技术的发展,贝叶斯模型在自然语言处理、图像处理等领域的应用也越来越广泛。 文献支持: - D. Barber. Bayesian Reasoning and Machine Learning[M]. Cambridge University Press, 2012. - T. Hofmann. Unsupervised Learning by Probabilistic Latent Semantic Analysis. Machine Learning, 2001, 42: 177-196. 3. 逻辑回归模型的实际运用领域: 逻辑回归模型是一种广义线性模型,常用于二分类问题的建模。逻辑回归模型的应用领域非常广泛,如信用风险评估、医学诊断、电商推荐、广告点击率预测等领域。 文献支持: - H. W. Hamelryck, K. J. Bultinck, F. De Proft. Logistic Regression Models for Prediction of ProteinLigand Binding Affinities. Journal of Chemical Information and Modeling, 2005, 45(6): 1601-1608. - P. J. Huber, E. M. Ronchetti. Robust Statistics[M]. Wiley, 2009. 4. KNN算法的实际运用领域: KNN算法是一种基于距离度量的非参数算法,常用于分类和回归问题的建模。KNN算法的应用领域包括图像识别、自然语言处理、金融风险评估、医学诊断等领域。 文献支持: - R. O. Duda, P. E. Hart, D. G. Stork. Pattern Classification[M]. Wiley, 2000. - H. Liu, H. Motoda. Feature Selection for Knowledge Discovery and Data Mining[M]. Springer, 1998.
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值