分子专题

MOLE 2.5 分析分子通道和孔隙

软件介绍生物大分子通道和孔隙在生物学中发挥着重要作用，例如在分子识别和酶底物特异性方面。我们介绍了一种名为 MOLE 2.5 的高级软件工具，该工具旨在分析分子通道和孔隙。与其他可用软件工具的基准测试表明，MOLE 2.5 相比更快、更强大、功能更丰富。作为一项新功能，MOLE 2.5 可以估算已识别通道的物理化学性质。软件下载 https://pan.quark.cn/s/57

大阪OSAKA分子泵电源TC163HTC203TC353TC523TC1104TC553TC1813手侧

【卡梅德生物】生物膜干涉技术在分子间相互作用分析中的应用进展

生物膜干涉技术（Bio-Layer Interferometry, BLI）近年来在分子间相互作用的研究中取得了显著进展。它作为一种实时、无标记的技术，特别适用于亲和力测定及其他复杂的分子相互作用分析。本文将探讨生物膜干涉技术的发展历程、技术优势以及在分子间相互作用研究中的应用，详细阐述其在现代生物学研究中的重要作用。生物膜干涉技术的原理与演变生物膜干涉技术利用光干涉原理来测量生物

岛津分子泵电源EI-D1103MD1303MD2203MD3403MD4203M手侧

分子属性梯度引导的3D分子生成扩散模型 TAGMOL - 评测

TAGMoL 是一个基于分子属性条件引导扩散的 3D 分子生成模型，适合在给定靶标蛋白质的情况下，可以生成一系列满足目标特性（分子属性，binding affinity）的候选分子。一、背景介绍 TAGMoL 来源于新德里 Molecule AI, 以及美国马萨诸塞大学曼宁信息与计算机科学学院的Vineeth Dorna 和 D. Subhalingam 为通讯作者的文章：《TAG

文献阅读：单细胞分辨率下小鼠大脑衰老的分子和空间特征

文献介绍文献题目： Molecular and spatial signatures of mouse brain aging at single-cell resolution 研究团队：庄小威（美国哈佛大学）、Catherine Dulac（美国哈佛大学）发表时间： 2022-12-28 发表期刊： Cell 影响因子： 66.8（2022年） DOI： 10.1016

小分子水半幅宽检测低氘水同位素氘检测富氢水检测

小分子水半幅宽检测低氘水同位素氘检测富氢水检测检测范围: 矿泉水等饮用水检测概述小分子团水活化性很强，具有强渗透力，强溶解力，强扩散力。水的含氧量高，能给人体内的组织细胞带来更多的氧。长自来水大分子团核磁共振测得水的半幅宽度为 110—130HZ很难进出。结合水通道直径把小于 100HZ 由6个水分子组成的水称为小分子团水。挑食的细胞只喝小分子团水。检测产品：各类

使用校园点餐小程序，化身知“食”分子

“干饭人，干饭魂。”在经济发展迅速的今天，人们对美食的热爱，不但分毫未减，甚至愈演愈烈。对于学生来说，美味、多元，营养、健康的餐食，不仅让自己吃的开心，也让家长放心。但是校园里那么多窗口，餐厅。要找出自己所喜欢的餐，往往要试错很长时间，为此，校园点餐小程序有效的避免了这一问题，方便了学生的在校生活。图片来源：unsplash 一． 校园点餐小程序的优势校园点餐小程序将各

【机器学习】消息传递神经网络(MPNN)在分子预测领域的医学应用

1. 引言 1.1. 分子性质预测概述分子性质预测是计算机辅助药物发现流程中至关重要的任务之一，它在许多下游应用如药物筛选和药物设计中发挥着核心作用： 1.1.1. 目的与重要性：分子性质预测旨在通过分子内部信息（如原子坐标、原子序数等）对分子的物理和化学性质进行预测。这有助于快速从大量候选化合物中筛选出符合特定性质的化合物，从而加速药物筛选和设计的流程。 1.1.2. 传统方法：

荧光标记Avidin与特定生物分子的靶向结合-星戈瑞

亲和素Avidin是一种具有生物学特性的蛋白质，能够与生物素（biotin）进行高亲和力结合。通过荧光标记技术，我们可以将荧光基团与Avidin结合，形成荧光标记Avidin，从而实现对特定生物分子的靶向结合和可视化。荧光标记Avidin的制备与性质荧光标记Avidin的制备通常涉及将荧光染料通过共价键连接到Avidin分子上。这种连接方式确保了荧光基团与Avidin之间的稳定性，同时保留了

2024.06.05【读书笔记】丨生物信息学与功能基因组学（第十一章分子水平的系统发生和进化第三部分）【AI测试版】

读书笔记三：《生物信息学与功能基因组学》第十一章第三部分分子系统发生分析的四个步骤在《生物信息学与功能基因组学》第十一章的第三部分中，作者详细阐述了分子系统发生分析的四个关键步骤，这些步骤构成了研究生物分子进化的基础。第一步：选择可供分析的序列系统发生分析的第一步是选择合适的DNA、RNA或蛋白质序列进行研究。选择哪种类型的分子序列取决于研究目标和所要解决的科学问题。例如，蛋白质序

LAMMPS - 分子动力学模拟器

本文翻译自：https://www.lammps.org/ 文章目录一、关于 LAMMPS下载作者R&D 100 二、LAMMPS 亮点毛细血管中的血流一、关于 LAMMPS 官网： https://www.lammps.org/ github ：https://github.com/lammps/lammps LAMMPS 分子动力学模拟器 lam

免费生物蛋白质的类chatgpt工具助手copilot：小分子、蛋白的折叠、对接

参考： https://310.ai/copilot 可以通过自然语言通话晚上蛋白质的相关处理：生成序列、折叠等应该是agent技术调用不同工具实现从UniProt数据库中搜索和加载蛋白质。使用ESM Fold方法折叠蛋白质。使用310.ai基础模型设计新蛋白质。使用TM-Align方法比较蛋白质。利用ProteinMPNN模型进行蛋白质逆折叠。聚焦并可视化蛋白质结构的特定部分。生成报

3D分子生成的定制扩散框架 MolDiff - 评测

MolDiff模型是一种考虑分子键生成的3D分子生成的新模型。MolDiff是清华大学智能产业研究院马剑竹课题组发表在PMLR 2023的工作，第一作者是Xingang Peng，文章题目为：《 Addressing the Atom-Bond Inconsistency Problem in 3D Molecule Generation 》。MolDiff的文章链接：https://arxi

探索纳米抗体免疫原制备的技术难点：蛋白、小分子和多肽的挑战与解决方案-泰克生物

问题1：蛋白质不稳定或难以溶解，以及难以保持其原生态构象答： ①、优化蛋白表达条件：使用适宜的宿主系统：不同的蛋白表达系统（如大肠杆菌、酵母、昆虫细胞或哺乳动物细胞）具有不同的优点，选择最适合目标蛋白的表达系统可以提高其稳定性和溶解性。调整表达条件：改变诱导表达的温度：表达过程中的温度控制会影响蛋白质的溶解度，可通过降低表达温度（例如，从 37°C 改为 18°C）可以促进正确的蛋白质折叠

TorchMD打算提供一种简单易用的API，用于使用PyTorch进行分子动力学。这使研究人员能够更快地进行力场开发研究，并以PyTorch的简单性和强大性将神经网络潜力无缝集成到动力学中。 TorchMD使用与经典MD代码（如ACEMD）一致的化学单位，即kcal/mol表示能量，K表示温度，g/mol表示质量，Å表示距离。 TorchMD目前正在进行中，请随时提供有关API或GitHub问题跟

Material Studio 计算分子静电力、电荷密度以及差分电荷密度

1.先打开Material Studio导入要计算的分子cif文件或者mol文件，直接Flie-Import 2.高斯几何优化一下结构，参数按照我的设置就行，一般通用，后面出问题再调整 3.点完Run后会跳出很多计算过程，不用管，等他计算完就行

分子动力学模拟学习-Gromacs工具链

1、总体流程在gromacs的使用说明中有一个flow chart，比较简略。以下针对一般体系（非蛋白等领域）进行了一些调整，通用性更强。在做分子动力学模拟时，其复杂性除了以上各种输入输出文件的操作，另一点就是力场参数、原子电荷数据的获取。从本质上讲，MD模拟软件就是读取系统内原子的位置、质量、电荷、成键和非键关系，在不同的环境条件下进行计算，而我们做的就是正确地构建输入文件。 2、

图神经网络与分子表征：7. LEFTNet

在执行性质预测任务时，我们需要考虑两个问题：1. 如何正确的将图结构进行编码？2. 如何汇聚编码信息预测整个分子的任务？ LEFTNet 就是通过回答上述问题来进行模型设计的。原文地址算法设计原文中，作者定义了三个图同构问题：树同构：任意邻接的两原子间的距离一致即可三角同构：任意邻接的三原子构成的三角形一致子图同构：任意两个三角形的相对位置保持一致作者认为，一个好的编码器能够甄别

【文献分享】PCCP：机器学习 + 分子动力学 + 第一性原理 + 热学性质 + 微观结构

================================ 分享一篇关于机器学习 + 分子动力学 + 第一性原理 + 热学性质（密度、粘度、扩散系数）+ 微观结构的文章。感谢论文的原作者！关键词： 1. Machine learning, 2. Deep potential, 3. Molecular dynamics 4. Molten salt,

Methoxy PEG Tosylate可以用于制备特定化合物、改变分子的溶解性和生物活性

【试剂详情】英文名称 mPEG-OTs,mPEG-Tosylate, Methoxy PEG Tosylate 中文名称聚乙二醇单甲醚对甲苯磺酸酯，甲氧基聚乙二醇甲苯磺酸酯外观性状取决于分子量，粘稠液体或固体分子量 400，600，2k，3.4k，5k，（可定制）溶解性溶于水，溶于DMF、DMSO等部分有机溶液规格可按需包装定制纯度 95%+

AI预测小分子与蛋白的相关特征： MegaMolBART, MoFlow，ESM-1, ESM-2

1、小分子：MegaMolBART, MoFlow 1）MegaMolBART https://github.com/NVIDIA/MegaMolBART 基于 SMILES 的小分子药物发现与化学信息学深度学习模型。 2）MoFlow https://github.com/calvin-zcx/moflow 用flow流方式分子生成 2、蛋白质：ESM-1, ESM-2 https://

“它将改变一切”，DeepMind AI解决生物学50年来重大挑战，破解蛋白质分子折叠问题...

来源：机器之心本文约3800字，建议阅读9分钟 AlphaFold 2，128块TPU大力出奇迹，让别人无路可走。 CASP14 组织者、年近七旬的 UC Davis 科学家 Andriy Kryshtafovych 在大会上感叹道，I wasn't sure that I would live long enough to see this（我活久见了）[1]。 11 月 30 日，一条重

TPMD 程序：利用分子动力学轨迹研究速率过程并进行温度编程分子动力学计算的工具包

================================ 分享一篇使用分子动力学轨迹研究速率过程和执行温度程序化分子动力学计算的工具包：TPMD toolkit 。感谢论文的原作者！ ================================ ================================ 主要内容 “ 以工具包的形式提

【文献分享】机器学习 + 分子动力学（LAMMPS 输入文件）+ 第一性原理 + 热学性质 + 动力学性质

================================ 分享一篇关于机器学习 + 分子动力学 + 第一性原理 + 热学性质 + 动力学性质的文章。感谢论文的原作者！关键词： 1. Machine learning, 2. Deep potential, 3. Molecular dynamics 4. Molten salts 5. Thermop

ViSNet：用于分子性质预测和动力学模拟的通用分子结构建模网络

编者按：尽管几何深度学习已经彻底颠覆了分子建模领域，但最先进的算法在实际应用中仍然面临着几何信息利用不足和高昂计算成本的阻碍。为此，微软研究院科学智能中心（Microsoft Research AI4Science）的研究员们提出了通用分子结构建模网络 ViSNet。在多个分子动力学基准测试中，ViSNet 均表现优异。分子几何建模在理解生物活性机制、化学性质预测、药物设计和蛋白质工程方面