Molegro Virtual Docker

高精度的分子对接工具

Molegro Virtual Docker是预测蛋白-配体相互作用的综合平台。它能够处理对接过程所需的方方面面，包括准备靶蛋白、靶蛋白潜在结合位点的识别、以及预测配体的结合模式。

Molegro Virtual Docker的高质量对接是基于全新的优化技术并结合了高可用性、高生产效率的用户体现界面。

Molegro Virtual Docker的主界面

Molegro Virtual Docker特性介绍

Ø 高精度对接：已经得到验证，能够高精度地正确识别结合结合模式。

Ø 功能全面：包括诱导契合对接（侧链柔性），基于结构相似性的虚拟筛选，柔性的小分子叠合，用人工神经网络或MLR建立回归模型。

Ø 高级的视图与分析工具：可以用来分析配体-受体相互作用以及精细调节以观察对接结果

Ø 网格计算：用Molegro Virtual Grid在多个机器上实现分布式对接计算

Ø 跨平台：支持Windows，Mac与Linux

基础特性

Ø 工业标准格式（PDB，mol2, SDF）的输入与输出

Ø 输入结构的自动准备（加氢，电荷，键级处理，杂化状态的归属，质子化状态处理）

Ø 可视化风格（线状，球-棍状，空间填充球状，棒状，卡通与分子表面）

Ø 自动预测潜在的结合位点（活性位点的识别）

Ø 内置高质量图片渲染工具

Ø 多种对接打分函数

Ø 对接搜寻技术是基于当前最新的优化技术

Ø 具有命令行界面以支持高级用户的互动操作

Ø 具有GUI的精灵向导与在线帮助

基准测试结果

表1： 几个对接程序对77个复合物结构的对接精度 详见：MolDock: A New Technique for High-Accuracy Molecular Docking': René Thomsen and Mikael H. Christensen (J. Med. Chem., 2006, 49(11), pp 3315 – 3321) 

[1] Based on 55 out of the 77 complexes 

[2] Based on 76 out of the 77 complexes

高级特性

Ø 可视化观察对接的构象，展示关键的相互作用

Ø 对接钱侧链的修复、突变或优化

Ø 支持侧链柔性的对接，将诱导契合效应加以考虑

Ø 分子描述符的计算，包括我们特有的CFDM拓扑描述符

Ø 重新排序打分（对接结果的重新排序以增加对接精度）

Ø 用事前计算的能量格点来加速计算

Ø 数据分析器可以用来建立回归模型（人工神经网络或MLR）并进行数据可视化

Ø 支持可替换水分子的模拟，在对接时使用显式的水分子

Ø 相似性对接用来柔性叠合配体分子，并用模板(药效团)约束下进行对接与筛选

Ø 支持用户自定义约束以增加对接性能

Ø 生物大分子生成器

Ø 蛋白结构的叠合

Ø 构象修改器可以用来手动修改构象

Ø RMSD计算将自同构考虑在内

Ø 配体能量监控器

Ø 球形修正工具

Ø 序列观测工具

Ø 支持对接计算引擎的脚本（Python）

支持的平台

Windows 7, Vista, XP, 2003.

Mac OS X 10.4 或更新的版本 (Intel & PowerPC).

Linux: 主流的分布版本，包括Fedora Core, Red Hat, Ubuntu。32bit与64bit皆可

获取试用

请访问我们的网站获取30天试用版

http://www.molegro.com/products.php

更多的信息

www.molegro.com

info@molegro.com

Molegro Data Modeller

数据建模，数据探索，数据可视化

Molegro Data Modeller是一个跨平台的数据挖掘、数据建模与数据可视化应用程序。

高度交互的用户界面应用起来称心如意，比之那些基于复杂的工作流解决方案或命令行为主统计学产品而言，其速度很快并可以充分利用直接遍览数据。

Molegro Data Modeller的用户主界面

用偏最小二乘、人工神经网络、多元线性回归或支持向量机建立回归于分类模型。这些模型可以与标准信息一起保存起来以便用于新的数据。内置的精灵向导帮你进行交叉验证与特征选择。支持自动的搜寻优化的建模参数。

Molegro Data Modeller概述

Ø 数据准备（修复缺失的值，异常值的检测，子集的建立，PCA）

Ø 数据转化

Ø 数据建模：回归，分类，聚类

Ø 化学：支持分子描述、SMILES与SDF

Ø 数据可视化（直方图，2D/3D视图，将多维数据投影到2D/3D）

Ø 跨平台：支持Windows,Mac与Linux

用主成分分析降维

数据准备与转化

Ø 修复缺失数据

Ø 异常值检测（基于分布或密度）

Ø 代数数据转化

Ø 化学数据的输入（SMILES与SDF格式）与分子描述

Ø 用网格或随机选择方式建立子集

Ø 主成分分析

Ø 数据干扰或随机化

Ø 相关分析：概览缩放，2D/3D投影，修整相关性描述符

Molegro Data Modeller的分子描述

Fuzzy分类实例,一些数据位于主类的之外

数据建模与分析

Ø 回归：偏最小二乘，人工神经网络，多元线性回归，支持向量机

Ø 分类：K-最邻近与支持向量机

Ø 聚类：基于K-means、density与阈值的聚类分析

Ø 易用的交叉验证与留一法

Ø 统计学检验：平均值、中值、标准偏差、偏态、峰态、Pearson与Spearman秩相关、相关性矩阵、F-检验，Bayesian信息法则（用于模型的选择）

Ø 自动化的特征选择，提供了多个特征选择策略与模型选择方法

Ø 自动的优化参数设定（SVM，PLS，KNN与NN）

数据可视化与遍览

Ø 直方图

Ø 2D散点图

Ø 在图形与表单中协同选取

Ø 支持硬件加速的3D图形

Ø 高维度的数据可视化处理：用弹簧-质量投影模型投影于2D或3D

Ø 支持Gnuplot与bitmap输出

Ø Jitter与自定义着色

Ø 在散点中进行分子展示

支持的平台

Windows 7, Vista, XP, 以及2003

Mac OS X 10.4.0 或更新 (Intel与PowerPC).

Linux: 主流的发布版包括Fedora Core, Red Hat与Ubuntu. 32bit与64bit版本均可