Prevedrò l'affinità di legame del bersaglio farmacologico e classificherò i composti con l'apprendimento profondo

Validerò le SMILES dei composti e le sequenze proteiche, eseguirò un modello di affinità esistente e restituirò le previsioni abbinate, lo stato per riga, una tabella classificata e note sul modello/edizione. Base: fino a 1.000 coppie e 20 proteine.

Itinerari disponibili: DTA bilineare, DeepDTA, GraphDTA e una variante cross-attention derivata da MolTrans con riparazione della maschera di lunghezza.

I nostri record salvati usano etichette pKi/pKd derivate da BindingDB Ki/Kd, suddivisioni NPZ congelate e valutazione su colpo a bersaglio (proteine di test tenute fuori dall'addestramento). Indici di concordanza: bilineare 0.695145; DeepDTA 0.702238; GraphDTA 0.668996; variante derivata MolTrans riparata 0.636565. Questi sono record di checkpoint specifici per ogni percorso, non un confronto di test condiviso.

Invia colonne CSV sample_id, smiles e protein_sequence; aggiungi compound_id/target_id se disponibili. Conferma modello e ranking per bersaglio. Le previsioni supportano la prioritizzazione dei candidati.

Pesi e pacchetti di distribuzione eseguibili potrebbero essere forniti da un accordo separato dopo controlli su asset e distribuzione. Più modelli, riaddestramento e nuovi split di validazione sono ambiti separati. Scrivimi prima di ordinare.