CN117690499A - 分子试验预测处理方法及装置 - Google Patents

分子试验预测处理方法及装置 Download PDF

Info

Publication number
CN117690499A
CN117690499A CN202311684711.0A CN202311684711A CN117690499A CN 117690499 A CN117690499 A CN 117690499A CN 202311684711 A CN202311684711 A CN 202311684711A CN 117690499 A CN117690499 A CN 117690499A
Authority
CN
China
Prior art keywords
node
nodes
molecular
calculation
test
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311684711.0A
Other languages
English (en)
Other versions
CN117690499B (zh
Inventor
丁文远
季晨成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Tengmai Pharmaceutical Technology Co ltd
Original Assignee
Suzhou Tengmai Pharmaceutical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Tengmai Pharmaceutical Technology Co ltd filed Critical Suzhou Tengmai Pharmaceutical Technology Co ltd
Priority to CN202311684711.0A priority Critical patent/CN117690499B/zh
Publication of CN117690499A publication Critical patent/CN117690499A/zh
Application granted granted Critical
Publication of CN117690499B publication Critical patent/CN117690499B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/30—Drug targeting using structural data; Docking or binding prediction
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/50—Molecular design, e.g. of drugs
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/80—Data visualisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Medicinal Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉本一种分子试验预测处理方法及装置，该方法包括：获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息；根据预测相关信息确定出多个节点以及节点之间的依赖关系；根据多个节点和节点之间的依赖关系，构建运行树状图，运行树状图中包括多个节点以及连接在节点之间的边，节点之间的边与节点之间的依赖关系对应。这样，使得用户可以直观地基于运行树状图了解其对同一目标项目进行多次不同分子试验及其相关信息。使用户能够从全局的角度思考和分析，更清晰地了解针对目标项目的各分子试验的计算过程，确定出药物合成的最佳计算路径，优化药物合成过程，提高药物研发效率，缩短新药开发流程、降低失败风险。

Description

分子试验预测处理方法及装置
技术领域
本公开涉及药物研发技术领域，尤其涉及一种分子试验预测处理方法及装置。
背景技术
相关技术中，湿实验室药物发现模式需要设计并合成大量分子，并进行临床前研究。这是一个不断试错的过程，也只是一种定性的研究。在这个过程中，会消耗大量的资源进行多次分子试验，以在分子水平上深入研究蛋白质与药物配体的结合机理。
因此，如何便捷、直观、迅速地实现分子试验预测的处理，是亟待解决的技术问题。
发明内容
有鉴于此，本公开提出了一种分子试验预测处理方法及装置。
根据本公开的一方面，提供了一种分子试验预测处理方法，应用于药物研发，所述方法包括：
获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息；
根据所述预测相关信息确定出多个节点以及节点之间的依赖关系；
根据所述多个节点和节点之间的依赖关系，构建运行树状图，所述运行树状图中包括多个节点以及连接在节点之间的边，所述节点之间的边与所述节点之间的依赖关系对应；
其中，所述预测相关信息用于指示所述试验预测中各分子试验所执行的计算任务、各所述分子试验中的所述计算任务的执行顺序以及各所述分子试验的预测结果，所述分子试验中的计算任务包括分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析中的至少一个。
在一种可能的实现方式中，所述多个节点包括根节点和至少一个子节点，所述根节点是根据所述受体分子确定的，各所述子节点是根据各所述分子试验的计算任务确定的，子节点之间的依赖关系是根据对应的计算任务在分子试验中的执行顺序确定的，所述运行树状图包括根节点以及与所述根节点通过边连接的至少一个分支；
其中，根据所述多个节点和节点之间的依赖关系，构建运行树状图，包括：
根据各所述分子试验中每个计算任务对应的子节点和子节点之间的依赖关系，构建对应于各分子试验的分支，各所述分支包括对应的分子试验中的各子节点以及子节点之间的边；
将每个所述分支在先的第一个节点，确定为所述根节点的第一个子节点并生成所述根节点与每个所述第一个子节点之间的边，完成运行树状图的构建。
在一种可能的实现方式中，根据所述多个节点和节点之间的依赖关系，构建运行树状图，还包括：
在所述分支包括多个的情况下，对具有相同计算任务的至少两个分支进行分支合并；
其中，所述具有相同计算任务的至少两分支是指至少具有相同的第一个计算任务的分支。
在一种可能的实现方式中，所述运行树状图中还包括各节点的节点信息，
所述根节点的节点信息包括所述受体分子的基本信息；
所述子节点的节点信息包括以下至少一种：所述子节点对应的计算任务的任务标识、所述子节点对应的计算任务所在的分子试验的分子试验标识。
在一种可能的实现方式中，所述运行树状图还包括对应于各节点的计算过程子图，所述计算过程子图用于表示对应的节点所进行的计算过程及其计算结果，所述方法还包括：
展示所述运行树状图；
其中，在检测到针对所述运行树状图中节点的触发操作且当前处于只读模式的情况下，展示被触发节点的节点信息、突出显示所述被触发节点以及展示所述被触发节点对应的计算过程子图；并且/或者
在检测到针对所述运行树状图中边的触发操作且当前处于只读模式的情况下，展示被触发边所连接的左侧节点的节点信息、突出显示所述被触发边及其左侧节点、以及展示所述左侧节点对应的计算过程子图。
在一种可能的实现方式中，所述方法还包括：
根据检测到的针对节点的显示状态调整操作，改变选中节点及其相关节点的显示状态；所述显示状态包括选中状态和非选中状态。
根据本公开的另一方面，提供了一种分子试验预测处理装置，应用于药物研发，所述装置包括：
信息获取模块，用于获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息；
节点确定模块，用于根据所述预测相关信息确定出多个节点以及节点之间的依赖关系；
构建模块，用于根据所述多个节点和节点之间的依赖关系，构建运行树状图，所述运行树状图中包括多个节点以及连接在节点之间的边，所述节点之间的边与所述节点之间的依赖关系对应；
其中，所述预测相关信息用于指示所述试验预测中各分子试验所执行的计算任务、各所述分子试验中的所述计算任务的执行顺序以及各所述分子试验的预测结果，所述分子试验中的计算任务包括分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析中的至少一个。
在一种可能的实现方式中，所述多个节点包括根节点和至少一个子节点，所述根节点是根据所述受体分子确定的，各所述子节点是根据各所述分子试验的计算任务确定的，子节点之间的依赖关系是根据对应的计算任务在分子试验中的执行顺序确定的，所述运行树状图包括根节点以及与所述根节点通过边连接的至少一个分支；
其中，所述构建模块，包括：
分支构建子模块，用于根据各所述分子试验中每个计算任务对应的子节点和子节点之间的依赖关系，构建对应于各分子试验的分支，各所述分支包括对应的分子试验中的各子节点以及子节点之间的边；
分支连接子模块，用于将每个所述分支在先的第一个节点，确定为所述根节点的第一个子节点并生成所述根节点与每个所述第一个子节点之间的边，完成运行树状图的构建。
在一种可能的实现方式中，所述构建模块，还包括：
合并子模块，用于在所述分支包括多个的情况下，对具有相同计算任务的至少两个分支进行分支合并；
其中，所述具有相同计算任务的至少两分支是指至少具有相同的第一个计算任务的分支。
在一种可能的实现方式中，所述运行树状图中还包括各节点的节点信息，
所述根节点的节点信息包括所述受体分子的基本信息；
所述子节点的节点信息包括以下至少一种：所述子节点对应的计算任务的任务标识、所述子节点对应的计算任务所在的分子试验的分子试验标识。
在一种可能的实现方式中，所述运行树状图还包括对应于各节点的计算过程子图，所述计算过程子图用于表示对应的节点所进行的计算过程及其计算结果，所述装置还包括：展示模块和子图展示模块，
所述展示模块，用于展示所述运行树状图；
所述子图展示模块，用于在检测到针对所述运行树状图中节点的触发操作且当前处于只读模式的情况下，展示被触发节点的节点信息、突出显示所述被触发节点以及展示所述被触发节点对应的计算过程子图；并且/或者，在检测到针对所述运行树状图中边的触发操作且当前处于只读模式的情况下，展示被触发边所连接的左侧节点的节点信息、突出显示所述被触发边及其左侧节点、以及展示所述左侧节点对应的计算过程子图。
在一种可能的实现方式中，所述装置还包括：
显示状态调整模块，用于根据检测到的针对节点的显示状态调整操作，改变选中节点及其相关节点的显示状态；所述显示状态包括选中状态和非选中状态。
根据本公开的另一方面，提供了一种分子试验预测处理装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
本公开实施例提供一种分子试验预测处理方法及装置，获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息；根据所述预测相关信息确定出多个节点以及节点之间的依赖关系；根据所述多个节点和节点之间的依赖关系，构建运行树状图，所述运行树状图中包括多个节点以及连接在节点之间的边，所述节点之间的边与所述节点之间的依赖关系对应；其中，所述预测相关信息用于指示所述试验预测中各分子试验所执行的计算任务、各所述分子试验中的所述计算任务的执行顺序以及各所述分子试验的预测结果，所述分子试验中的计算任务包括分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析中的至少一个。这样，可以基于目标项目所进行的试验预测的预测相关信息生成运行树状图，以达到以下效果：
全局视角：通过图形化展示方式，用户可以直观地了解其对同一目标项目进行多次试验预测所采取的不同分子试验和相关信息。这将使用户能够从全局的角度思考和分析，更清晰地了解针对目标项目的各分子试验的计算过程。
有针对性计算：通过运行树状图的展示方式，用户可以更有效地选择特定的分子试验。用户可以根据自身需求和目标，在多个分子试验中进行选择，并进行有针对性的计算。这将有助于提高计算的效率和准确性。
比较和分析：图形化展示方式使用户能够方便地比较和分析不同分子试验的结果。用户可以直观地比较不同分子试验的计算结果、性能指标或其他关键指标，从而做出更明智的决策。
寻找最佳合成路径：通过全局展示和比较分析，用户可以更有效地找到最佳的合成路径。用户可以根据各分子试验识别出最佳的计算路径，以最大程度地优化药物合成过程，并提高药物研发效率，大大缩短新药开发流程，降低新药失败风险。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的分子试验预测处理方法的流程图。
图2示出根据本公开一实施例的分子试验预测处理方法中预测相关信息的示意图。
图3示出根据本公开一实施例的分子试验预测处理方法中运行树状图的示意图。
图4示出根据本公开一实施例的分子试验预测处理装置的框图。
图5是根据一示例性实施例示出的一种用于分子试验预测处理的装置1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
为解决上述技术问题，本公开实施例提供一种分子试验预测处理方法及装置，获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息；根据所述预测相关信息确定出多个节点以及节点之间的依赖关系；根据所述多个节点和节点之间的依赖关系，构建运行树状图，所述运行树状图中包括多个节点以及连接在节点之间的边，所述节点之间的边与所述节点之间的依赖关系对应；其中，所述预测相关信息用于指示所述试验预测中各分子试验所执行的计算任务、各所述分子试验中的所述计算任务的执行顺序以及各所述分子试验的预测结果，所述分子试验中的计算任务包括分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析中的至少一个。这样，可以基于目标项目所进行的试验预测的预测相关信息生成运行树状图，以达到以下效果：
全局视角：通过图形化展示方式，用户可以直观地了解其对同一目标项目进行多次试验预测所采取的不同分子试验和相关信息。这将使用户能够从全局的角度思考和分析，更清晰地了解针对目标项目的各分子试验的计算过程。
有针对性计算：通过运行树状图的展示方式，用户可以更有效地选择特定的分子试验。用户可以根据自身需求和目标，在多个分子试验中进行选择，并进行有针对性的计算。这将有助于提高计算的效率和准确性。
比较和分析：图形化展示方式使用户能够方便地比较和分析不同分子试验的结果。用户可以直观地比较不同分子试验的计算结果、性能指标或其他关键指标，从而做出更明智的决策。
寻找最佳合成路径：通过全局展示和比较分析，用户可以更有效地找到最佳的合成路径。用户可以根据各分子试验识别出最佳的计算路径，以最大程度地优化药物合成过程，并提高药物研发效率，大大缩短新药开发流程，降低新药失败风险。
图1示出根据本公开一实施例的分子试验预测处理方法的流程图。如图1所示，该方法包括步骤S101-步骤S103。该方法可以用于药物研发。
在步骤S101中，获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息。
在本实施例中，受体分子可以药物研发所针对的蛋白质分子，配体可以是指能够与受体特异性结合的物质。所述预测相关信息用于指示针对目标项目的各试验预测中各分子试验所执行的计算任务、各所述分子试验中的所述计算任务的执行顺序以及各所述分子试验的预测结果。其中，针对同一目标项目所进行的试验预测可以为至少一次，每次试验预测可以进行多个配体分子中部分配体分子与受体分子之间的分子试验，不同试验预测中所针对的配体分子可以不完全相同或完全不同，不同试验预测中所进行的分子试验可以不完全相同、完全不同或完全相同，本公开对此不作限制。
在本实施例中，所述分子试验中的计算任务包括分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析中的至少一个。在一些实施例中，如图2所示，预测相关信息可以包括各分子试验是否自动计算的指示信息、上下文信息(也即试验预测中各分子试验所执行的计算任务、各所述分子试验中的计算任务的执行顺序)、基础信息(如受体分子的基本信息、计算任务的任务标识、计算任务所在的分子试验的分子试验标识等描述分子试验的基础信息)等，本公开对此不作限制。
其中，分子姿态筛选可以是指基于预设的算法(如TandemPose算法)对应的模块生成一定数量的分子构象，不同分子构象与受体分子之间在三维空间中具有相对的位置关系；以用于相对结合自由能(relative binding free energy，RBFE)、绝对结合自由能(absolute binding free energy，ABFE)等的计算，筛选出一定数量的优选构象。分子间力场分析可以是指基于预设的算法(如TandemForce算法)对应的模块生成配体分子与受体分子之间的力场模型，得到配体分子与受体分子之间的力场参数(力场参数是一种用于描述原子、分子或其他粒子之间相互作用的数学模型数据)。分子间相互关系分析可以是指基于预设的算法(如TandemNetMap算法)对应的模块完成分子之间的组网，构建出分子间相互关系图。自由能计算可以是指基于预设的算法(如TandemEnergy算法)对应的模块完成RBFE的计算，并生成分析结果。自由能分析可以是指基于预设的算法(如TandemAnalytics算法)对应的模块对分子间相互关系图的相对自由能计算结果进行排序转换，得出RBFE计算结果，并推测实际化合物与蛋白结合能力。同一个分子试验中上述计算任务的执行顺序是按照已定的顺序执行的，该执行顺序可以是分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析。例如，若某分子试验的计算任务包括分子姿态筛选、分子间力场分析，则执行顺序即为分子姿态筛选在前、分子间力场分析在后。若某分子试验的计算任务包括分子间力场分析、分子间相互关系分析、自由能分析，则执行顺序即依次为分子间力场分析、分子间相互关系分析、自由能分析。
在步骤S102中，根据所述预测相关信息确定出多个节点以及节点之间的依赖关系。
在本实施例中，所述多个节点可以包括根节点和至少一个子节点，所述根节点是根据所述受体分子确定的，各所述子节点是根据各所述分子试验的计算任务确定的，子节点之间的依赖关系是根据对应的计算任务在分子试验中的执行顺序确定的，所述运行树状图包括根节点以及与所述根节点通过边连接的至少一个分支。如图3所示，该运行树状图包括一个根节点和4个分支。
在步骤S103中，根据所述多个节点和节点之间的依赖关系，构建运行树状图，所述运行树状图中包括多个节点以及连接在节点之间的边，所述节点之间的边与所述节点之间的依赖关系对应。
在一种可能的实现方式中，步骤S103可以包括：根据各所述分子试验中每个计算任务对应的子节点和子节点之间的依赖关系，构建对应于各分子试验的分支，各所述分支包括对应的分子试验中的各子节点以及子节点之间的边；将每个所述分支在先的第一个节点，确定为所述根节点的第一个子节点并生成所述根节点与每个所述第一个子节点之间的边，完成运行树状图的构建。
在本实施例中，在所述分支包括多个的情况下，对具有相同计算任务的至少两个分支进行分支合并；其中，所述具有相同计算任务的至少两分支是指至少具有相同的第一个计算任务的分支。例如，如图3所示，运行树状图的第二个分支和第三个分支的TandemPose相同，则可以将第二个分支和第三个分支的TandemPose合并，这样可以进一步直观看出不同分子试验之间的区别，方便进行分析。
在一种可能的实现方式中，步骤S103可以包括另一种实现方式：通过边将根节点和各分子试验的第一个子节点连接；而后将各所述分子试验的第一个子节点作为父节点，并根据各所述分子试验中子节点之间的依赖关系确定出各父节点的子节点，并生成父节点及其子节点之间的边，构建出对应于各分子试验的分支，各所述分支包括对应的分子试验中的各子节点以及子节点之间的边，完成运行树状图的构建。
可以理解的是，可以根据实际需要对运行树状图的构建方式进行设置，本公开对此不作限制。
在一种可能的实现方式中，所述运行树状图中还包括各节点的节点信息。所述根节点的节点信息包括所述受体分子的基本信息，如受体分子的名称、分子式、结构式、结构简式等描述受体分子的信息，如图3所示，TYK2表示受体分子的名称。所述子节点的节点信息可以包括以下至少一种：所述子节点对应的计算任务的任务标识、所述子节点对应的计算任务所在的分子试验的分子试验标识(run name)。不同的任务标识用于标记不同的计算任务，可以根据实际需要对计算任务的任务标识进行设置，例如，如图3所示，分子姿态筛选的任务标识可以为TandemPose、分子间力场分析的任务标识可以为TandemForce、分子间相互关系分析的任务标识可以为TandemNetMap、自由能计算的任务标识可以是TandemEnergy、自由能分析的任务标识可以是TandemAnalytics。分子试验标识可以根据用户的设置确定，也可以根据默认标识设置规则自动设置，分子试验标识用于区分不同的分子试验，分子试验标识可以是试验的ID、名称等标识，如图3所示，四个分支分别对应的分子试验标识为：TYK2-run1、run4、run3、run2。本领域技术人员可以根据实际需要对分子试验标识、任务标识进行设置，本公开对此不作限制。
在本实施例中，预测相关信息还可以包括分子试验的试验结果、分子试验中各计算任务的计算结果。所构建的运行树状图中还包括分子试验的试验结果和/或分子试验中各计算任务的计算结果。其中，分子试验的试验结果可以表示该分子试验当前执行的进度、分子试验是否成功等信息。可以在运行树状图中各分支最后一个节点处标记该分支对应的分子试验的试验结果。分子试验当前执行的进度可以包括计算人物正在执行中、计算已经成功执行完成、计算失败、计算任务已经取消等，本公开对此不作限制。可以通过不同的标记来表示不同进度，例如，如图3所示，运行树状图中分支TYK2-run1、run3、run2最后一个节点处通过“√”表示该分支对应的分子试验的试验结果为已经成功执行完成。运行树状图中分支run4最后一个节点处通过“时钟标记”表示该分支对应的分子试验的试验结果为计算正在进行中。“×”表示计算失败、“-”表示计算任务已经被取消、旋转标记表示计算任务正在执行中。
在一些实施例中，分子试验的试验结果是根据分子试验中各计算任务的计算结果确定的。针对一个目标项目的试验预测，各分子试验可以并行或串行执行，各分子试验先根据已有的任务数据进行执行顺序最前的计算任务，在完成该计算任务之后记录计算任务的计算结果；而后基于当前计算结果和完成计算得到的相关任务数据继续进行下一个计算任务的执行，在完成该计算任务之后记录计算任务的计算结果，所有的计算任务都完成之后，根据各分子试验的最后一个计算任务的执行情况生成针对该分子试验的试验结果。其中，若分子试验的某个计算任务失败，则可以记录失败的相关信息，并停止该分子试验的后续其他计算任务，并将该分子试验的试验结果标记为未执行完。
在一种可能的实现方式中，所述运行树状图还包括对应于各节点的计算过程子图，所述计算过程子图用于表示对应的节点所进行的计算过程及其计算结果，所述方法还包括：展示所述运行树状图。
其中，在展示运行树状图的过程中，在检测到针对所述运行树状图中节点的触发操作且当前处于只读模式的情况下，展示被触发节点的节点信息、突出显示所述被触发节点以及展示所述被触发节点对应的计算过程子图；并且/或者，在检测到针对所述运行树状图中边的触发操作且当前处于只读模式的情况下，展示被触发边所连接的左侧节点的节点信息、突出显示所述被触发边及其左侧节点、以及展示所述左侧节点对应的计算过程子图。
在该实现方式中，计算过程子图中可以包括：任务标识、计算任务中所使用的参数、任务的状态(未计算、计算成功或计算失败中的任意一种)、创建时间(创建该计算任务的时间)，更新时间(该计算任务当前的状态最近更新的时间)、创建该计算任务的用户名称的用户标识。
在一种可能的实现方式中，在展示运行树状图的过程中，根据检测到的针对节点的显示状态调整操作，改变选中节点及其相关节点的显示状态；所述显示状态包括选中状态和非选中状态。
其中，若选中节点为子节点且该子节点被选中之前的显示状态为“选中状态”，则可以将该选中节点的显示状态改变为“非选中状态”、进一步将该选中节点右侧的子节点、选中节点左侧的无其他子节点的父节点作为相关节点，并将这些相关节点的显示状态改变为“非选中状态”；还可以将选中节点以及相关节点之间的边的显示状态改变为“非选中状态”。如图2所示，若选中节点为run4中的节点“TandemNetMap”，则该节点“TandemNetMap”的相关节点为run4上的节点“TandemPose”、“TandemForce”“TandemEnergy”、“TandemAnalytics”。
其中，若选中节点为子节点且该子节点被选中之前的显示状态为“非选中状态”，则可以将该选中节点的显示状态改变为“选中状态”、进一步将该选中节点右侧的子节点、选中节点左侧的无其他子节点的父节点作为相关节点，并将这些相关节点的显示状态改变为“选中状态”；还可以将选中节点以及相关节点之间的边的显示状态改变为“选中状态”。如图2所示，若选中节点为run4中的节点“TandemNetMap”，则该节点“TandemNetMap”的相关节点为run4上的节点“TandemPose”、“TandemForce”、“TandemEnergy”、“TandemAnalytics”。
在一种可能的实现方式中，预测相关信息还可以指示需要隐藏的分子试验，则步骤S103，还可以包括：根据指示的需要隐藏的分子试验，隐藏运行树状图中该分子试验中对应的计算任务的节点。如图2所示，假设分支run4对应的分子试验需要隐藏，则可以在运行树状图中不显示run4中的节点“TandemForce”、“TandemNetMap”、“TandemEnergy”、“TandemAnalytics”，而由于run4的节点“TandemPose”也属于run3，而run3是非隐藏的分子试验，所以run4的节点“TandemPose”继续显示。
本公开还提供一种分子试验预测处理装置，应用于药物研发，如图4所示，该装置包括：
信息获取模块41，用于获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息；
节点确定模块42，用于根据所述预测相关信息确定出多个节点以及节点之间的依赖关系；
构建模块43，用于根据所述多个节点和节点之间的依赖关系，构建运行树状图，所述运行树状图中包括多个节点以及连接在节点之间的边，所述节点之间的边与所述节点之间的依赖关系对应；
其中，所述预测相关信息用于指示所述试验预测中各分子试验所执行的计算任务、各所述分子试验中的所述计算任务的执行顺序以及各所述分子试验的预测结果，所述分子试验中的计算任务包括分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析中的至少一个。
在一种可能的实现方式中，所述多个节点包括根节点和至少一个子节点，所述根节点是根据所述受体分子确定的，各所述子节点是根据各所述分子试验的计算任务确定的，子节点之间的依赖关系是根据对应的计算任务在分子试验中的执行顺序确定的，所述运行树状图包括根节点以及与所述根节点通过边连接的至少一个分支；
其中，所述构建模块，包括：
分支构建子模块，用于根据各所述分子试验中每个计算任务对应的子节点和子节点之间的依赖关系，构建对应于各分子试验的分支，各所述分支包括对应的分子试验中的各子节点以及子节点之间的边；
分支连接子模块，用于将每个所述分支在先的第一个节点，确定为所述根节点的第一个子节点并生成所述根节点与每个所述第一个子节点之间的边，完成运行树状图的构建。
在一种可能的实现方式中，所述构建模块，还包括：
合并子模块，用于在所述分支包括多个的情况下，对具有相同计算任务的至少两个分支进行分支合并；
其中，所述具有相同计算任务的至少两分支是指至少具有相同的第一个计算任务的分支。
在一种可能的实现方式中，所述运行树状图中还包括各节点的节点信息，
所述根节点的节点信息包括所述受体分子的基本信息；
所述子节点的节点信息包括以下至少一种：所述子节点对应的计算任务的任务标识、所述子节点对应的计算任务所在的分子试验的分子试验标识。
在一种可能的实现方式中，所述运行树状图还包括对应于各节点的计算过程子图，所述计算过程子图用于表示对应的节点所进行的计算过程及其计算结果，所述装置还包括：展示模块和子图展示模块，
所述展示模块，用于展示所述运行树状图；
所述子图展示模块，用于在检测到针对所述运行树状图中节点的触发操作且当前处于只读模式的情况下，展示被触发节点的节点信息、突出显示所述被触发节点以及展示所述被触发节点对应的计算过程子图；并且/或者，在检测到针对所述运行树状图中边的触发操作且当前处于只读模式的情况下，展示被触发边所连接的左侧节点的节点信息、突出显示所述被触发边及其左侧节点、以及展示所述左侧节点对应的计算过程子图。
在一种可能的实现方式中，所述装置还包括：
显示状态调整模块，用于根据检测到的针对节点的显示状态调整操作，改变选中节点及其相关节点的显示状态；所述显示状态包括选中状态和非选中状态。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现及有益效果可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
需要说明的是，尽管以上述实施例作为示例介绍了分子试验预测处理方法及装置如上，但本领域技术人员能够理解，本公开应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定各步骤和模块，只要符合本公开的技术方案即可。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
图5是根据一示例性实施例示出的一种用于分子试验预测处理的装置1900的框图。例如，装置1900可以被提供为一服务器或终端设备。参照图5，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出接口1958(I/O接口)。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (14)

1.一种分子试验预测处理方法，其特征在于，应用于药物研发，所述方法包括：
获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息；
根据所述预测相关信息确定出多个节点以及节点之间的依赖关系；
根据所述多个节点和节点之间的依赖关系，构建运行树状图，所述运行树状图中包括多个节点以及连接在节点之间的边，所述节点之间的边与所述节点之间的依赖关系对应；
其中，所述预测相关信息用于指示所述试验预测中各分子试验所执行的计算任务、各所述分子试验中的所述计算任务的执行顺序以及各所述分子试验的预测结果，所述分子试验中的计算任务包括分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析中的至少一个。
2.根据权利要求1所述的方法，其特征在于，所述多个节点包括根节点和至少一个子节点，所述根节点是根据所述受体分子确定的，各所述子节点是根据各所述分子试验的计算任务确定的，子节点之间的依赖关系是根据对应的计算任务在分子试验中的执行顺序确定的，所述运行树状图包括根节点以及与所述根节点通过边连接的至少一个分支；
其中，根据所述多个节点和节点之间的依赖关系，构建运行树状图，包括：
根据各所述分子试验中每个计算任务对应的子节点和子节点之间的依赖关系，构建对应于各分子试验的分支，各所述分支包括对应的分子试验中的各子节点以及子节点之间的边；
将每个所述分支在先的第一个节点，确定为所述根节点的第一个子节点并生成所述根节点与每个所述第一个子节点之间的边，完成运行树状图的构建。
3.根据权利要求2所述的方法，其特征在于，根据所述多个节点和节点之间的依赖关系，构建运行树状图，还包括：
在所述分支包括多个的情况下，对具有相同计算任务的至少两个分支进行分支合并；
其中，所述具有相同计算任务的至少两分支是指至少具有相同的第一个计算任务的分支。
4.根据权利要求1-3任意一项所述的方法，其特征在于，所述运行树状图中还包括各节点的节点信息，
所述根节点的节点信息包括所述受体分子的基本信息；
所述子节点的节点信息包括以下至少一种：所述子节点对应的计算任务的任务标识、所述子节点对应的计算任务所在的分子试验的分子试验标识。
5.根据权利要求1-3任意一项所述的方法，其特征在于，所述运行树状图还包括对应于各节点的计算过程子图，所述计算过程子图用于表示对应的节点所进行的计算过程及其计算结果，所述方法还包括：
展示所述运行树状图；
其中，在检测到针对所述运行树状图中节点的触发操作且当前处于只读模式的情况下，展示被触发节点的节点信息、突出显示所述被触发节点以及展示所述被触发节点对应的计算过程子图；并且/或者
在检测到针对所述运行树状图中边的触发操作且当前处于只读模式的情况下，展示被触发边所连接的左侧节点的节点信息、突出显示所述被触发边及其左侧节点、以及展示所述左侧节点对应的计算过程子图。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
根据检测到的针对节点的显示状态调整操作，改变选中节点及其相关节点的显示状态；所述显示状态包括选中状态和非选中状态。
7.一种分子试验预测处理装置，其特征在于，应用于药物研发，所述装置包括：
信息获取模块，用于获取针对多个配体分子和受体分子的目标项目所进行的试验预测的预测相关信息；
节点确定模块，用于根据所述预测相关信息确定出多个节点以及节点之间的依赖关系；
构建模块，用于根据所述多个节点和节点之间的依赖关系，构建运行树状图，所述运行树状图中包括多个节点以及连接在节点之间的边，所述节点之间的边与所述节点之间的依赖关系对应；
其中，所述预测相关信息用于指示所述试验预测中各分子试验所执行的计算任务、各所述分子试验中的所述计算任务的执行顺序以及各所述分子试验的预测结果，所述分子试验中的计算任务包括分子姿态筛选、分子间力场分析、分子间相互关系分析、自由能计算、自由能分析中的至少一个。
8.根据权利要求7所述的装置，其特征在于，所述多个节点包括根节点和至少一个子节点，所述根节点是根据所述受体分子确定的，各所述子节点是根据各所述分子试验的计算任务确定的，子节点之间的依赖关系是根据对应的计算任务在分子试验中的执行顺序确定的，所述运行树状图包括根节点以及与所述根节点通过边连接的至少一个分支；
其中，所述构建模块，包括：
分支构建子模块，用于根据各所述分子试验中每个计算任务对应的子节点和子节点之间的依赖关系，构建对应于各分子试验的分支，各所述分支包括对应的分子试验中的各子节点以及子节点之间的边；
分支连接子模块，用于将每个所述分支在先的第一个节点，确定为所述根节点的第一个子节点并生成所述根节点与每个所述第一个子节点之间的边，完成运行树状图的构建。
9.根据权利要求8所述的装置，其特征在于，所述构建模块，还包括：
合并子模块，用于在所述分支包括多个的情况下，对具有相同计算任务的至少两个分支进行分支合并；
其中，所述具有相同计算任务的至少两分支是指至少具有相同的第一个计算任务的分支。
10.根据权利要求7-9任意一项所述的装置，其特征在于，所述运行树状图中还包括各节点的节点信息，
所述根节点的节点信息包括所述受体分子的基本信息；
所述子节点的节点信息包括以下至少一种：所述子节点对应的计算任务的任务标识、所述子节点对应的计算任务所在的分子试验的分子试验标识。
11.根据权利要求7-9任意一项所述的装置，其特征在于，所述运行树状图还包括对应于各节点的计算过程子图，所述计算过程子图用于表示对应的节点所进行的计算过程及其计算结果，所述装置还包括：展示模块和子图展示模块，
所述展示模块，用于展示所述运行树状图；
所述子图展示模块，用于在检测到针对所述运行树状图中节点的触发操作且当前处于只读模式的情况下，展示被触发节点的节点信息、突出显示所述被触发节点以及展示所述被触发节点对应的计算过程子图；并且/或者，在检测到针对所述运行树状图中边的触发操作且当前处于只读模式的情况下，展示被触发边所连接的左侧节点的节点信息、突出显示所述被触发边及其左侧节点、以及展示所述左侧节点对应的计算过程子图。
12.根据权利要求7-9任意一项所述的装置，其特征在于，所述装置还包括：
显示状态调整模块，用于根据检测到的针对节点的显示状态调整操作，改变选中节点及其相关节点的显示状态；所述显示状态包括选中状态和非选中状态。
13.一种分子试验预测处理装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为在执行所述存储器存储的指令时，实现权利要求1至6中任意一项所述的方法。
14.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
CN202311684711.0A 2023-12-08 2023-12-08 分子试验预测处理方法及装置 Active CN117690499B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311684711.0A CN117690499B (zh) 2023-12-08 2023-12-08 分子试验预测处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311684711.0A CN117690499B (zh) 2023-12-08 2023-12-08 分子试验预测处理方法及装置

Publications (2)

Publication Number Publication Date
CN117690499A true CN117690499A (zh) 2024-03-12
CN117690499B CN117690499B (zh) 2024-07-23

Family

ID=90125783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311684711.0A Active CN117690499B (zh) 2023-12-08 2023-12-08 分子试验预测处理方法及装置

Country Status (1)

Country Link
CN (1) CN117690499B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108647487A (zh) * 2018-04-13 2018-10-12 华东师范大学 G蛋白偶联受体-配体相互作用关系的预测方法及预测系统
CN112783796A (zh) * 2021-02-25 2021-05-11 平安消费金融有限公司 单节点的测试方法、装置、计算机设备及可读存储介质
CN113312265A (zh) * 2021-06-08 2021-08-27 富途网络科技(深圳)有限公司 测试用例的应用方法及相关产品
CN114120006A (zh) * 2020-08-28 2022-03-01 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
US20220188654A1 (en) * 2020-12-16 2022-06-16 Ro5 Inc System and method for clinical trial analysis and predictions using machine learning and edge computing
KR20220083620A (ko) * 2020-12-11 2022-06-20 주식회사 뉴클릭스바이오 몬테카를로 트리 탐색을 사용하여 rna 압타머 서열을 스크리닝하는 방법 및 장치
CN115098368A (zh) * 2022-06-23 2022-09-23 平安银行股份有限公司 一种识别脑图用例的智能验证方法和装置
CN115375124A (zh) * 2022-08-15 2022-11-22 北京达佳互联信息技术有限公司 数据处理方法、装置、设备及存储介质
WO2023123023A1 (zh) * 2021-12-29 2023-07-06 深圳晶泰科技有限公司 筛选分子的方法、装置及其应用
CN116756615A (zh) * 2023-06-26 2023-09-15 北京字跳网络技术有限公司 数据分析方法、装置、计算机可读介质及电子设备
CN116978451A (zh) * 2023-07-31 2023-10-31 苏州腾迈医药科技有限公司 分子对接预测方法及装置
CN117037896A (zh) * 2022-08-10 2023-11-10 腾讯科技（深圳）有限公司 一种信息预测方法、设备、存储介质及计算机程序产品

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108647487A (zh) * 2018-04-13 2018-10-12 华东师范大学 G蛋白偶联受体-配体相互作用关系的预测方法及预测系统
CN114120006A (zh) * 2020-08-28 2022-03-01 腾讯科技（深圳）有限公司 图像处理方法、装置、电子设备和计算机可读存储介质
KR20220083620A (ko) * 2020-12-11 2022-06-20 주식회사 뉴클릭스바이오 몬테카를로 트리 탐색을 사용하여 rna 압타머 서열을 스크리닝하는 방법 및 장치
US20220188654A1 (en) * 2020-12-16 2022-06-16 Ro5 Inc System and method for clinical trial analysis and predictions using machine learning and edge computing
CN112783796A (zh) * 2021-02-25 2021-05-11 平安消费金融有限公司 单节点的测试方法、装置、计算机设备及可读存储介质
CN113312265A (zh) * 2021-06-08 2021-08-27 富途网络科技(深圳)有限公司 测试用例的应用方法及相关产品
WO2023123023A1 (zh) * 2021-12-29 2023-07-06 深圳晶泰科技有限公司 筛选分子的方法、装置及其应用
CN115098368A (zh) * 2022-06-23 2022-09-23 平安银行股份有限公司 一种识别脑图用例的智能验证方法和装置
CN117037896A (zh) * 2022-08-10 2023-11-10 腾讯科技（深圳）有限公司 一种信息预测方法、设备、存储介质及计算机程序产品
CN115375124A (zh) * 2022-08-15 2022-11-22 北京达佳互联信息技术有限公司 数据处理方法、装置、设备及存储介质
CN116756615A (zh) * 2023-06-26 2023-09-15 北京字跳网络技术有限公司 数据分析方法、装置、计算机可读介质及电子设备
CN116978451A (zh) * 2023-07-31 2023-10-31 苏州腾迈医药科技有限公司 分子对接预测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭权;王希诚;: "药物分子对接网格研究与进展", 大连理工大学学报, no. 05, 10 October 2006 (2006-10-10) *

Also Published As

Publication number Publication date
CN117690499B (zh) 2024-07-23

Similar Documents

Publication Publication Date Title
AU2020203909B2 (en) Data lineage summarization
US10725814B2 (en) Expediting the provisioning of virtual machines based on cached repeated portions of a template
US11735292B2 (en) Intelligent personalized chemical synthesis planning
Novella et al. Container-based bioinformatics with Pachyderm
US10901700B2 (en) Automatic generation of container image in a runtime environment
JP2021500658A (ja) インタラクティブ・ワークフローを実行するコンピュータ実施方法、システム、およびコンピュータ・プログラム製品、ならびにコンピュータ・プログラム
WO2016190876A1 (en) Dependency rank based on commit history
US9898258B2 (en) Versioning of build environment information
US10922105B1 (en) Realtime generated assistance video
US9639434B2 (en) Auto-didacted hierarchical failure recovery for remote access controllers
CN116978451A (zh) 分子对接预测方法及装置
US20210109507A1 (en) Method and system for creating assembly drawing for the building panels / frames
US20190147370A1 (en) Correction of reaction rules databases by active learning
CN110806873A (zh) 目标控件确定方法、装置、电子设备及存储介质
US11836483B1 (en) Compatible and secure software upgrades
CN112559101A (zh) 页签处理方法、装置、计算机设备及介质
CN112364185B (zh) 多媒体资源的特征确定方法、装置、电子设备和存储介质
CN116569141A (zh) 工作流修补
CN117690499B (zh) 分子试验预测处理方法及装置
CN114201382A (zh) 测试用例生成方法、装置、存储介质和电子设备
CN111026946A (zh) 一种页面信息抽取方法、装置、介质及设备
WO2023056793A1 (en) Optimizing a just-in-time compilation process
Hodor et al. cl-dash: rapid configuration and deployment of Hadoop clusters for bioinformatics research in the cloud
CN110727729A (zh) 一种实现智能运算的方法及装置
CN113179183B (zh) 服务开关状态控制装置及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant