Ik gebruik machine learning om verbindingen te vinden voor eiwitinteractie
moleculaire docking, AI-gedreven drug discovery, 3D-modellen
Over deze dienst
Target Receptor Voorbereiding: Ophalen, schoonmaken en optimaliseren van eiwitcristalstructuren rechtstreeks uit de Protein Data Bank (PDB) (bijvoorbeeld omgaan met ontbrekende residues, ladingen en grid box mapping).
Ligandbibliotheek Samenstellen & Filteren: Verzamelen van verbindingen uit databases zoals ChEMBL of PubChem, gevolgd door strikte fysicochemische filtering met Python (RDKit) om drug-achtig gedrag te garanderen (Lipinski's Rule of Five en Veber-criteria).
High-Throughput Virtual Screening (HTVS): Instellen van nauwkeurige binding site coördinaten en uitvoeren van high-throughput screening.
Moleculaire Docking Simulaties: Uitgebreide structurele docking met AutoDock Vina om multi-pose conformationle data te genereren en nauwkeurige Gibbs vrije energie bindingsaffiniteiten ($\Delta G$ in kcal/mol) te verkrijgen.
Data-analyse & Rapportage: Een schone, publicatieklare statistische analyse (minimum/maximum/gemiddelde affiniteiten, standaarddeviatie tracking) die je absolute topklasse geavanceerde lead-kandidaten identificeert.

