问：从DrugBank下载药物结构需要几步

伊卡洛斯洛卡伊

于 2024-10-08 12:36:32 发布

阅读量252

点赞数 9

文章标签：数据库

本文链接：https://blog.csdn.net/xiaocaishiwowosh/article/details/142756595

版权

1.打开数据库

2.优雅的滑动鼠标来到页面底部

3.请点击这里——Academic Downloads

4.在跳转的界面中找到OPEN DATA

5.数据在这里，藏得可够深呀

6.over！！关掉网页

1.打开数据库

网址：DrugBank Online | Database for Drug and Drug Target Info

2.优雅的滑动鼠标来到页面底部

3.请点击这里——Academic Downloads

4.在跳转的界面中找到OPEN DATA

5.数据在这里，藏得可够深呀

6.over！！关掉网页

综上，从Drug Bank下载药物结构需要六步，后面可以拿去做虚拟筛选。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

伊卡洛斯洛卡伊

关注关注

9
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

一切皆是映射：AI辅助的创新药物发现

AI天才研究院

06-18

810

一切皆是映射：AI辅助的创新药物发现 1.背景介绍 1.1 药物发现的传统方法药物发现是一个复杂且耗时的过程，传统方法通常包括以下几个步骤：靶点识别、先导化合物发现、优化、临床前研究和临床试验。每个步骤都需要大量的时间和资源，通常需

KGNN：基于知识图谱的图神经网络预测药物与药物相互作用

AITIME_HY的博客

02-04

7975

点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！药物间相互作用（DDI）预测是药理学和临床应用中一个具有挑战性的问题，在临床试验期间，有效识别潜在的DDI对患者和社会至关重要。现...

参与评论您还未登录，请先登录后发表或查看评论

论文解读：《一种基于长短期记忆网络深度学习的药物靶相互作用预测方法》

ZGY9542的博客

01-03

2317

现代药物发现的关键是发现，识别和准备药物分子靶标。但是，由于通量，精度和成本的影响，传统的实验方法很难广泛用于推断这些潜在的药物-靶标相互作用（DTI）。因此，迫切需要开发有效的计算方法来验证药物与靶标之间的相互作用。作者开发了基于深度学习的DTI预测模型。蛋白质的进化特征是通过特定位置评分矩阵（PSSM）和勒让德矩阵（LM）提取的，并与药物分子的亚结构指纹相关联，以形成药物-靶对的特征向量。然后，利用稀疏主成分分析（SPCA）将药物和蛋白质的特征压缩到统一的向量空间中。最后，构建了深长短期记忆以进行预测。

论文浅尝 - IJCAI2020 | KGNN：基于知识图谱的图神经网络预测药物与药物相互作用...

开放知识图谱

02-09

1088

转载公众号| AI TIME论道药物间相互作用（DDI）预测是药理学和临床应用中一个具有挑战性的问题，在临床试验期间，有效识别潜在的DDI对患者和社会至关重要。现有的大多数方法采用基...

IJCAI2020 | 知识图神经网络预测药物与药物相互作用

DrugAI

08-13

3500

今天给大家介绍的是湖南大学信息科学与工程学院全哲教授课题组在IJCAI 2020会议上发表的一篇关于知识图神经网络预测药物与药物相互作用的文章。在本文中，作者提出了一个称为知识图神经网络（KGNN）的端到端框架，以预测药物与药物相互作用（DDI）。KGNN框架可通过在知识图谱（KG）中挖掘与药物关联的实体关系，以有效地获取药物及其潜在的邻居实体信息。为了提取KG中存在的高阶拓扑结构和语义关系，KGNN从KG中每个实体的邻域中学习作为它们的局部感知域，然后将当前实体表示的偏差及其邻域信息进行聚合。这...

基于KG嵌入和卷积-LSTM网络的药物-药物相互作用预测——方法细述

杨的博客

04-17

1610

本章详细讨论所用方法，包括问题制定，数据收集和集成，KG嵌入，Conv-LSTM网络构建以及具有超参数优化的网络训练，最后一步推断DDI预测。下图是拟定方法的工作流程。 1. 问题表述由于DDIs形成了一个复杂的网络,其中节点指药物,链路指潜在的相互作用,因此我们将DDIs预测作为一个链路预测问题处理. 给定一个有向DDIKG作为G=(V,E),其中每个边e=(u,v)表示药物u和v之间的相互作用,定义矩阵意义为: 当=1...

图表示学习技术在药物推荐系统中的应用

数据派THU

02-25

507

本文约6500字，建议阅读13分钟本次分享的题目是图表示学习技术在药物推荐系统中的应用。主要包括以下四个部分：研究背景与挑战判别式药品包推荐生成式药品包推荐总结与展望01、研究背景与挑战1. 研究背景医疗资源总体不足，分布不均带来沉重压力药物推荐是智慧医疗的一个子问题，首先从智慧医疗的大背景说起，在我国智慧医疗存在紧迫性，随着人口增长、老龄化加剧，人们对于高质量医疗服务的需求不断攀升。图中两组数...

基于KG嵌入和卷积-LSTM网络的药物-药物相互作用预测——基础知识总结

杨的博客

04-13

543

本篇为毕业设计的基础知识讲解，日更。主要写每天自己的笔记和对内容的理解，即论文的整体步骤梳理和对每块知识的总结。 2021.04.13 1. 关于过程：第一步：知识图谱（KG）构建 ——为了整合多个数据源，知识图是一个强大的工具。在这个图表中，节点代表不同的实体，如药物、疾病、蛋白质靶点、亚结构、副作用和途径。一旦数据以知识图的形式出现，我们就必须从其中提取信息作为交互预测器的特征。 ——为了做到这一点，我们使用嵌入方法，将图中的每个节点投影到一个密集向量。第二步：图...

基于KG嵌入和卷积-LSTM网络的药物-药物相互作用预测——重现

杨的博客

06-07

891

本篇讲一下要是想重现应该从哪些方面去入手。一、前言首先来说，本文构建的网络是由CNN和LSTM复合而成的一个Conv-LSTM网络，而且涉及到了参数优化，网络构建，训练等一系列东西。要是你初学的话，真的不建议你直接上手这个。要重现本文，我觉得有以下要点：（1）单纯对于要构建的神经网络来说，在这之前你要充分理解CNN，RNN，LSTM和MLP的原理以及实现，注意是充分熟练的了解；（2在熟练掌握上面的原理的基础上，大量实践，通过复现基础的东西，充分掌握如何构建，训练和实现那些单一的网络，才能

"全球生物库荟萃分析：多祖先蛋白质组对常见疾病的药物再利用机会

文章全球生物库荟萃分析中的全蛋白质组孟德尔随机化揭示了常见疾病的多祖先图形摘要亮点d多祖先蛋白质组范围的孟德尔随机化（MR）分析管道d确定欧洲和非洲祖先D 确定特定祖先的因果效应d优先考虑新的药物靶点和药物...

药物警戒中的人工智能方法及数据来源

生命科学中的人工智能1（2021）100005药物警戒中的信号检测：不同数据源中药物相互作用信号发现的Heba Ibrahima，b，Heba，A.艾哈迈德·阿卜杜El Kerdawyc，d，A.Sharaf Eldina，ea埃及赫勒万大学计算机和人工智能...

"生成分子实体的结构化化学信息学数据及其搜索引擎应用

软件X 15（2021）100733原始软件出版物生成分子实体作为结构化数据DominikTomaszuk计算机科学研究所，比亚韦斯托克大学，15-245比亚韦斯托克，波兰ar t i cl e i nf o文章历史记录：收到2020年2021年4月21日收到修订...

实用SQL小总结

UntifA的博客

09-29

1489

SQL记录

PostgreSQL的WAL日志优化及验证

最新发布

Java_fenxiang的博客

10-05

471

在应用负载不变的情况下可以通过如下方法进行WAL优化登录后复制 1) 延长checkpoint时间间隔 FPI产生于checkpoint之后第一次变脏的page，在下次checkpoint到来之前，已经输出过FPI的page是不在需要再次输出FPI。因此checkpoint时间间隔越长，FPI产生的频度会越低。增大ch...

MySQL之复合查询与内外连接

zdlynj的博客

09-30

1307

前面我们讲解的mysql表的查询都是对一张表进行查询，即数据的查询都是在某一时刻对一个表进行操作的。而在实际开发中，我们往往还需要对多个表同时进行查询。我们这里使用的测试表，为雇员信息表(来自Oracle 9i的经典测试表)：EMP员工表，DEPT部门表，SALGRADE工资等级表。

World of Warcraft [CLASSIC][80][Grandel] Call to Arms: Victory in Wintergrasp

qq 117791303

10-02

328

Wintergrasp 冬拥湖 120 VS 120

Redis事务

zhzjn的博客

09-30

400

Redis事务可以通过MULTI、EXEC、WATCH和DISCARD指令来实现。1. MULTI指令：表示事务的开始，之后的所有指令都会被逐一记录，但不会立即执行。2. EXEC指令：表示事务的执行，会按照记录的指令逐一执行。3. WATCH指令：可以监视一个或多个键的变化，如果在事务执行期间被其他客户端修改，事务会被回滚。4. DISCARD指令：表示事务的撤销，可以放弃之前记录的指令。

【RocketMQ】RocketMQ应用难点

记录一名在读研究生的学习笔记、感悟、开发产物

09-30

909

本文探讨了RocketMQ中消息重复消费的问题及其解决方案，尤其是在CLUSTERING模式下的扩容影响。文章分析了重复消费的原因，如广播模式、负载均衡模式下的多consumerGroup消费、消费者组内的动态变化及网络延迟等，并提出了利用唯一标识进行去重的方法。此外，还讨论了如何选择合适的存储机制以高效处理大量消息标识，如HashMap、MySQL、Redis以及推荐的布隆过滤器等方案。对于防止消息堆积与确保消息不丢失，也给出了相应的策略和技术措施。

drugbank 下载

08-25

DrugBank是一个广泛使用的药物数据库，提供了关于药物的详细信息和相应的科学数据。在使用DrugBank之前，我们需要下载它并安装在我们的计算机上。首先，我们需要在DrugBank的官方网站上找到下载页面。通常，下载页面会提供不同的选项和链接，以适应不同的操作系统和需求。我们可以根据自己的操作系统（如Windows、Mac或Linux）选择适合我们的版本。在选择了适合的版本后，我们可以点击下载链接，将DrugBank的安装文件保存到我们的计算机上。下载过程可能需要一些时间，具体取决于我们的网络连接速度和文件大小。一旦下载完成，我们可以通过点击安装文件来开始安装过程。接下来，我们将按照安装程序的指示进行操作。这可能包括接受许可协议、选择安装位置和完成其他必要的设置。在安装完成后，我们可以从我们的计算机上启动DrugBank。通常，DrugBank会提供一个用户界面，允许我们浏览和搜索药物信息。我们可以使用相应的功能和搜索栏来查找特定的药物，并获得有关药物的详细信息、化学结构、药理学特性等。总的来说，DrugBank的下载过程相对简单。我们只需访问官方网站，选择适合我们操作系统的版本，下载安装文件并按照安装程序的指示进行操作。安装完成后，我们就可以开始使用DrugBank提供的丰富药物信息了。