【化学信息学|机器学习】分子亲和力（Kd,Ki,IC50)

已于 2022-09-02 22:45:06 修改
阅读量4.1k 收藏
点赞数 3
文章标签： 数据分析 学习 经验分享 抽象代数 机器学习
于 2022-09-02 18:40:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aiia18/article/details/126667445
版权
本文探讨了分子亲和力（Ki, Kd）在化学信息学中的计算理论，并介绍了如何利用支持向量机和Keras神经网络进行机器学习模型的建立与评估，包括均方误差（RMSE）和交叉验证等关键步骤。" 126128178,14181528,Vue中v-for与key值深入解析,"['vue.js', 'javascript', '前端开发']

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最低0.47元/天 解锁文章
自由能 亥姆霍兹自由能(Helmholtz free energy)和吉布斯自由能(Gibbs free energy)等概念；IC50/Ki/Kd与结合自由能ΔG关系
weixin_42357472的博客
09-28 6159
***热力学三定律参考：https://baike.baidu.com/item/%E7%83%AD%E5%8A%9B%E5%AD%A6%E4%B8%89%E5%A4%A7%E5%AE%9A%E5%BE%8B/10572632?fr=aladdin***焓与熵区别。
TPAMI 2024 | 学习人类教育智慧：以学生为中心的知识蒸馏方法
小白学视觉
07-20 692
题目：Learning From Human Educational Wisdom: A Student-Centered Knowledge Distillation Method 学习人类教育智慧：以学生为中心的知识蒸馏方法 作者：S. Yang; J. Yang; M. Zhou; Z. Huang; W. -S. Zheng; X. Yang; J. Ren 摘要 现有的知识蒸馏研究通常侧重于以教师为中心的方法，其中教师网络根据自身标准进行训练，然后将所学知识传授给学生网络。然而，由于教师和学生网
药物靶标亲和力（一）
qq_46080349的博客
05-10 2476
用深度学习方法预测药物靶标亲和力
IC50、pIC50、EC50、ED50、Ki、Kd、KD、Ka、Km、Kon、Koff概念辨析
热门推荐
recher_He1107的博客
08-03 3万+
IC50：半抑制浓度(或称半抑制率)，即IC50，对指定的生物过程（或该过程中的某个组分比如酶、受体、细胞等）抑制一半时所需的药物或者抑制剂的浓度。药学中用于表征拮抗剂（antagonist）在体外实验（in vitro）中的拮抗能力。 pIC50：pIC50=-log(IC50) EC50：是指在特定暴露时间后，能达到50%最大生物效应对应的药物、抗体或者毒素等的浓度。药学中除了用于表征体外实验中（in vitro）激动剂（agonist）的激活能力外，还可用于表示达到体内（in vivo）最大生物效应.
平衡解离常数、抑制常数和最大抑制浓度在化学和生物学领域
weixin_46292559的博客
03-20 1728
平衡解离常数（Kd） 抑制常数（Ki） 最大抑制浓度（IC50） 定义 平衡解离常数是指在某一特定条件下，当抗原与抗体结合达到平衡时，已结合的抗体与未结合的抗体的浓度比值。它反映了抗原与抗体结合的强度。 抑制常数通常用于描述抑制剂与酶或其他生物分子结合的能力。它表示抑制剂与靶标分子结合后，对靶标分子功能产生抑制作用的程度。 最大抑制浓度是指在一定实验条件下，使特定生物过程或酶活性降低50%所需的抑制剂浓度。 使用场景 常用于生物学领域，特别是在免疫学和生物化学中，用于研究抗原与抗体的相
抗体亲和力成熟制备高亲和力抗体-泰克生物
2401_82467923的博客
01-31 1453
在体液免疫中，再次反应所产生的抗体比初次免疫反应平均亲和力高的现象，就称为抗体亲和成熟。平衡解离常数 KD(（质量摩尔浓度/升）可以评估抗体亲和力大小，其计算公式为： KD=（[Ab][H]）/[Ab•H]，其中[]表示摩尔浓度，Ab 表示抗体， H 表示抗原/半抗原，Ab • H 表示抗体与抗原/半抗原的结合物。因为高亲和力抗体的高活性和复合物的稳定性，高亲和力抗体在免疫化学技术中的使用效果更好——如低亲和性抗体结合小分子蛋白抗原的解离时间仅为数分钟，而高亲和性抗体解离半衰期在30min 以上。
通过Excel学习PID算法（一步步理解它的KP,KI,KD）
zengqz123的博客
10-11 1万+
PID原理 PID控制算是应用非常广泛的经典控制算法。但是怎么理解PID这三个参数呢？在参考了别人的文章之后，我还是有点一知半解，这时候发现不自己动手算一算是很难理解PID了，但是我又不想做这种重复的计算，于是想到了通过Excel来举个例子。 接下来，我们通过一个很简单的例子来表示一个PID控制，并用Excel来计算PID带来的好处等等。这个例子就是，我们要往桶里倒水，并且我们的目标是...
PID-原理
aloneboyooo的博客
04-11 1021
PID学习篇1-原理了解
Datawhale暑期夏令营 机器学习 分子性质AI预测 学习笔记
weixin_45999678的博客
07-03 584
本次大赛聚焦于运用先进的人工智能算法预测其降解效能，旨在激发参赛者创新思维，推动AI技术与化学生物学的深度融合，进一步提升药物研发效率与成功率，为人类健康事业贡献智慧力量。运用深度学习、强化学习或更加优秀人工智能的方法预测PROTACs的降解能力，若DC50>100nM且Dmax
零基础入门AI(机器学习)竞赛-baseline暑期夏令营
m0_73549544的博客
07-04 741
第一步：报名赛事第二步：五分钟体验一站式baseline项目链接：https://aistudio.baidu.com/projectdetail/8094146?PS：建议使用 edge、chrome 等浏览器，safari 浏览器可能无法下载文件登录百度账号运行项目如果是新用户，需要完善信息启动环境运行全部Cell第三步：提交文件，拿下第一个分数！submit.csv新用户需先完成实名认证。
训练分子性质分类预测模型——赛题深入解析
smileoyuki的博客
07-02 1253
datawhale夏令营——训练分子性质分类预测模型赛题深入解析
电机应用-控制系统、PID
weixin_47077788的博客
11-15 953
控制装置比较被控对象当前状态（输出量）和希望状态（给定量）的偏差，产生一个控制信号，通过执行机构驱动被控对象运行，使其运动状态接近希望状态。对生产中某些关键性参数进行自动控制，使它们在受到外界干扰（扰动）的影响而偏离正常状态时，能够被自动地调节而回到工艺所要求地数值范围内。传感器检测被控对象的状态信息（输出量），并将其转变成电信号传给控制装置。闭环控制是负反馈控制。系统组成包括：传感器、控制装置、执行机构。自动控制系统分为：开环、闭环。
使用可解释的人工智能解释现实世界中药物设计数据集的结构-活性关系
weixin_40551464的博客
08-24 1791
Harren, Tobias等人于2022年在Journal of Chemical Information and Modeling上发表了一篇“Interpretation of Structure–Activity Relationships in Real-World Drug Design Data Sets Using Explainable Artificial Intelligence”。下面我们来做一下翻译和解读。
PID应用于电机驱动系统中的简单讲解
davin12的博客
07-22 3311
所谓PID指的是Proportion-Integral-Differential。翻译成中文是比例-积分-微分。  记住两句话：  1、PID是经典控制（使用年代久远）  2、PID是误差控制（）  对电机转速进行控制还要：  1、变频器-作为电机驱动；2、差动变压器-作为输出反馈。  PID怎么对误差控制，听我细细道来：  所谓“误差”就是命令与输出的差值。比如你希望控制电机转速为
模糊PID的三个参数Kp,Ki,Kd的计算得出查询控制表
水月灯花的博客
09-08 1万+
1、首先建立隶属度函数，e，ec，kp，ki，kd的隶属度函数 2、建立仿真模型 双击模型将Fuzzy Logic命名为fuzzy，然后保存。 3、打开保存的fis文件，然后fuzzy=readfis('xxx'),xxx为建立的隶属度函数.mdl文件 4、按如下操作（1） （2） （3） （4） （5） （6） 然后点击运行，经过169次迭代， ...
数据分析1
weixin_63461613的博客
04-28 767
Numpy常用于高性能计算，在机器学习常常作为传递数据的容器。提供了两种基本对象：ndarray、ufunc。ndarray具有矢量算术运算和复杂广播能力的快速且节省空间的。ufunc提供了的标准数学函数。
从数据到决策：如何使用Python进行自动驾驶数据分析
最新发布
Echo_Wish
04-28 268
在自动驾驶领域，数据分析不仅是技术的支撑，更是实现安全驾驶和智能决策的核心。通过Python，我们可以高效地对大量的传感器数据进行预处理、可视化、融合和建模，为自动驾驶系统提供强大的数据支持。
绘制板块层级图
2301_77327865的博客
04-28 740
本次实验围绕绘制板块层级图展开，涵盖数据读取、处理以及可视化等关键环节。在实验中我们成功掌握了数据文件读取、处理方法以及板块层级图的绘制。通过pandas库的read_csv函数读取数据文件，利用mergegroupbynunique等函数对数据进行处理和聚合操作，最终使用squarify库绘制出板块层级图，并对图形进行了美化。我们深入理解了板块层级图的原理和应用场景，其基于面积可视化，能有效展示树状结构数据和比例关系。熟练掌握了多个 Python 库的使用，包括pandas用于数据处理与分析、
Python 数据可视化全场景实现（一）
lestatlu的博客
04-27 375
在学术研究与数据分析中，数据可视化是呈现研究成果、挖掘数据规律的重要手段。本文将通过 Python 的matplotlib和seaborn库，结合实际案例，详细介绍时间序列趋势、分组对比、数据分布、相关矩阵及多变量关系等多种场景下的数据可视化方法，并提供完整可复用代码。无论是论文撰写、报告展示，还是数据探索，都能找到实用的解决方案！大家喜欢就关注一下，代码可以直接运行！
autoware泊车控制算法
01-21
### Autoware 泊车控制算法实现与应用 #### 1. 环境搭建 为了在Autoware平台上开发和测试泊车控制系统，需先安装并配置好Autoware环境。推荐使用Docker容器来简化这一过程[^1]。 ```bash sudo apt-get update && sudo apt-get install -y docker.io docker pull autowarefoundation/autoware:latest ``` #### 2. 数据感知层设计 数据感知部分主要依赖于激光雷达(LiDAR)，摄像头等传感器获取周围环境信息，并通过点云处理、图像识别技术提取有效特征用于后续决策规划。对于自动泊车位检测而言，通常会采用基于机器学习的方法来进行车位线分割以及障碍物分类[^2]。 #### 3. 路径规划策略 路径规划模块负责计算车辆从当前位置到达目标停车位的最佳行驶路线。考虑到实际场景中的复杂性和不确定性因素影响，在此阶段可以引入RRT* (快速随机树优化版) 或者其他启发式搜索算法作为核心求解器；同时还需要考虑如何平滑化轨迹曲线以适应物理执行机构特性[^3]。 #### 4. 控制律制定 最后一步就是根据所得到的理想运动学模型参数设定相应的控制器增益矩阵Kp,Kd, Ki等数值大小，并将其应用于纵向速度调节(PID反馈机制) 和横向转向角调整(Stanley方法)[^4]。 ```cpp // C++代码片段展示PID控制器初始化设置 ros::NodeHandle nh; double kp = 0.5; double ki = 0.01; double kd = 0.1; pid.setGains(kp,ki,kd); ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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