NRGSuite-Qt: a PyMOL plugin for high-throughput virtual screening, molecular docking, normal-mode analysis, the study of molecular interactions, and the detection of binding-site similarities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Summary: We introduce NRGSuite-Qt, a PyMOL plugin, that provides a comprehensive toolkit for macromolecular cavity detection, virtual screening, small-molecule docking, normal mode analysis, analyses of molecular interactions, and detection of binding-site similarities. This complete redesign of the original NRGSuite (restricted to cavity detection and small-molecule docking) integrates five new functionalities: protein-protein and protein-ligand interaction analysis using Surfaces, ultra-massive virtual screening with NRGRank, binding-site similarity detection with IsoMIF, normal mode analysis using NRGTEN, and mutational studies through integration with the Modeler Suite. By merging these advanced tools into a cohesive platform, NRGSuite-Qt simplifies visualization and streamlines complex workflows within a single interface. Additionally, we benchmark a newer version of the Elastic Network Contact Model (ENCoM) for normal mode analysis method, utilizing the same 40 atom-type pairwise interaction matrix that is used in all other software. This version outperforms the default model in multiple benchmarking tests. Avalilability and implementation: The Installation guide and tutorial is available at https://nrg-qt.readthedocs.io/en/latest/index.html. The NRGSuite-Qt is implement in Python.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle