首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

MDL表可选未按预期工作

MDL表是一种用于描述分子结构和性质的文件格式,全称为Molecular Data Language。它是一种文本文件,通常以.mol或.mdl为文件扩展名。MDL表可以包含分子的原子坐标、键连接信息、化学键类型、原子和键的属性等。

MDL表的分类包括分子结构文件和分子属性文件。分子结构文件描述了分子的拓扑结构,包括原子的坐标和键的连接关系。分子属性文件则描述了分子的物理性质、化学性质和其他相关信息。

MDL表的优势在于其广泛应用于化学领域,被许多化学软件和数据库所支持。它提供了一种标准化的格式,方便不同软件之间的数据交换和共享。同时,MDL表也具有可读性强、易于解析和处理的特点。

MDL表在化学领域有广泛的应用场景。例如,它可以用于存储和传输化学反应的信息,用于计算分子的性质和结构,用于构建化学数据库等。

对于MDL表的处理和应用,腾讯云提供了一系列相关产品和服务。例如,腾讯云的分子计算平台可以用于分子结构的建模和计算,帮助研究人员进行分子设计和药物研发。腾讯云的化学数据库服务可以用于存储和管理大规模的化学数据,提供高效的数据检索和分析功能。具体产品和服务的介绍可以参考腾讯云官方网站的相关页面。

总结:MDL表是一种用于描述分子结构和性质的文件格式,广泛应用于化学领域。它具有可读性强、易于解析和处理的特点,可以用于存储和传输化学反应信息、计算分子性质和结构、构建化学数据库等。腾讯云提供了相关的产品和服务,帮助研究人员进行分子设计和药物研发,以及存储和管理化学数据。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

J. Med. Chem. | 用图形注意机制推进药物发现分子表征的边界

今天给大家介绍的是上海科技大学免疫化学研究所蒋华良院士团队在Journal of Medicinal Chemistry上发表了一篇名为“Pushing the Boundaries of Molecular Representation for Drug Discovery with the Graph Attention Mechanism”的文章。寻找具有良好药理、毒理学和药代动力学特性的化学物质对药物发现来说仍然是一个巨大的挑战。深度学习为药物发现领域提供了强大的工具来建立适合不断增长的数据量的预测模型,但这些神经网络学习的内容与人类能够理解的内容之间的差距正在扩大。此外,这种差距可能会引发不信任,限制深度学习在实践中的应用。在此,作者在文章中介绍了一种新的使用图注意力机制来学习药物发现相关数据集的图神经网络结构——Attentive FP来进行分子表示。通过实验证明,Attentive FP模型不仅在各种数据集上达到了最高水准的预测性能,而且它学习到的是可解释的。通过特征可视化表明,Attentive FP通过从特定任务中学习非局部分子内的交互帮助研究人员发现超出人们预期的潜在的化学信息。

02

ICLR 2022 under review|化学反应感知的分子表征学习

今天给大家介绍一篇关于分子表征学习的文章。分子表征学习(MRL)旨在将分子嵌入到实向量空间中。然而,现有的基于SMILES(简化分子线性输入系统)或GNN(图神经网络)的MRL方法要么以SMILES字符串作为输入,难以编码分子的结构信息,要么过度强调GNN结构的重要性,而忽视了其泛化能力。因此,作者提出使用化学反应来协助学习分子表征,其核心思想在于保持分子在嵌入空间中的化学反应的等价性,即强制让每个化学方程式的反应物嵌入和生成物嵌入的总和相等,该限制在保持嵌入空间的有序性和提高分子嵌入的泛化能力中被证明是有效的。此外,该模型可以使用任何GNN作为分子编码器,与GNN结构无关。实验结果表明,这种方法在各种下游任务中都达到了最佳性能,超过了最佳基线方法。

02

专访 | 分子科学中的机器学习:不会燎原的星星之火?

机器之心原创 作者:邱陆陆 继计算机视觉、语音识别、自然语言处理之后,谁是下一个迎来深度学习的浪潮冲击的领域?聚集了世界上最聪明头脑的自然科学领域会不会「首当其冲」?科学家们如何应用深度学习?他们是否担心被神经网络取代?我们在上海纽约大学主办的「分子科学中的机器学习方法及应用」暑期学校里,与三位分子科学教授聊了聊。 机器学习的热度已经蔓延到了自然科学领域。如果你在今年夏天走进高校物理系的论文答辩现场,会发现「机器学习」成为了物理系论文中仅次于「物理」的高频词汇。「没提到机器学习简直可以算作文章的一个亮点了」

06

J.Cheminform| MACCS密钥:在逆合成预测中弥补SMILES的局限性

今天给大家介绍的是韩国江原国立大学Umit V.等人在2021年发表的一篇名为“Substructure-based neural machine translation for retrosynthetic prediction”的文章。随着机器翻译方法的快速改进,神经网络机器翻译开始在逆合成规划中发挥重要作用。作者利用无模板的序列到序列模型,将逆合成规划问题重新转化为语言翻译问题,不像先前的使用SMILES字符串来表示反应物和产物的模型,作者引入了一种新的基于分子碎片的方法来表示化学反应,并使用古本系数进行结果评估。结果表明,与目前最先进的计算方法相比,该方法能获得更好的预测结果。该方法解决了现有的逆合成方法产生无效SMILES字符串等主要缺陷。具体来说,我们的方法预测高度相似的反应物分子的准确率为57.7%。此外,作者的方法得到了比现有方法更稳健的预测。

01

黑科技 | 通过能量控制分子材料生命周期,开发定时可擦除墨水

基于生命分子结构上的自我修复,将让生活更加环保。 近日,德国慕尼黑技术大学的科学家研究团队从生活中的可降解分子材料得到灵感,研制出了一种不需要回收的分子材料,并且他们可以通过控制能量的输入来控制分子的降解时间,让其在预设好的时间自动消失。 据了解,影响这种分子材料性能的两个关键因素是结构和能量。 结构 | 化学键 在生活中,人们将废旧物丢入垃圾填埋场,通常现在的处理方式是将其燃烧成灰,或者将其分类回收,但这些方法都浪费了大量的材料和能量。对此,研究人员Job Boekhoven说道:“自然中的物质降解后的分

00
领券