{"id":5225,"date":"2023-11-22T12:41:42","date_gmt":"2023-11-22T11:41:42","guid":{"rendered":"https:\/\/www.kode-solutions.net\/?p=5225"},"modified":"2024-10-09T13:52:10","modified_gmt":"2024-10-09T11:52:10","slug":"kode-chemoinformatics-lancia-alchemy-la-suite-per-lapprendimento-automatico-in-ambito-chimico","status":"publish","type":"post","link":"https:\/\/www.kode-solutions.net\/it\/kode-chemoinformatics-lancia-alchemy-la-suite-per-lapprendimento-automatico-in-ambito-chimico\/","title":{"rendered":"Kode Chemoinformatics lancia ALChemy, la suite per l\u2019apprendimento automatico in ambito chimico"},"content":{"rendered":"\r\n\t
\r\n\t\t
\r\n\t\t\t\n\n
\n

Kode Chemoinformatics lancia ALChemy, la suite per l\u2019apprendimento automatico in ambito chimico<\/h1>\n\n\t\t
\r\n\t\t\t
\r\n\t\t\t\t
\r\n\t\t\t\t\t
Author:<\/div>\r\n\t\t\t\t\t
Kode s.r.l.<\/div>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t
\r\n\t\t\t\t\t
Date:<\/div>\r\n\t\t\t\t\t
22.11.2023<\/div>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t\t\t\t\t\t
\r\n\t\t\t\t\t\t
Topic:<\/div>\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t
News<\/div>\r\n\t\t\t\t\t\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\t\t\t<\/div>\r\n\t\t\t\r\n\t\t\t
\r\n\t\t\t\t

Grazie all’integrazione del suo nuovo prodotto QUEEN con il recente strumento di selezione delle features (FAST), ALChemy semplifica l’intero processo di modellazione QSAR.<\/em><\/p><\/div>\r\n\t\t\t<\/div>\r\n\t\t<\/div>\r\n\t<\/div>\n\n\n\n

\"\"<\/img>

<\/br><\/figcaption><\/figure>\n<\/body><\/html><\/div>\n<\/div>\n\n\t\t\t\t\t<\/div>\r\n\t<\/div>\r\n\r\n\t\n\n\n
\n
<\/div>\n\n\n\n
\n

Pisa, 20 novembre 2023 – Kode Chemoinformatics, la Business Unit di\/della realt\u00e0 Pisana Kode, dedicata ai progetti di chemoinformatica e Intelligenza Artificiale in ambito chimico, farmacologico, alimentare e biotecnologico, lancia ALChemy <\/strong>(Automated Learning for Chemistry), la suite  in grado di gestire l\u2019intero processo di modellazione QSAR\/QSPR  (Quantitative Structure-Activity\/Property Relationship), dalla selezione delle features all’addestramento dei modelli predittivi.<\/p>\n\n\n\n

<\/div>\n\n\n\n

La suite \u00e8 nata dall\u2019integrazione di due prodotti sviluppati dalla BU Kode Chemoinformatics, eseguibili singolarmente o in pipeline:<\/p>\n\n\n\n

<\/div>\n\n\n\r\n\t
\r\n\t\t
\r\n\t\t\t\t\t\t\t
\r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\tFAST\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/a>\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/h3>\r\n\t\t\t\t\t<\/div> \r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t

FAST: l’applicazione progettata per automatizzare la selezione dei descrittori molecolari per la modellazione QSAR\/QSPR<\/p>\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/a>\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\t<\/div>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t\t\t\t
\r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\tQUEEN\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/a>\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/h3>\r\n\t\t\t\t\t<\/div> \r\n\t\t\t\t\t
\r\n\t\t\t\t\t\t

QUEEN: il nuovo prodotto sviluppato con l’obiettivo di automatizzare la costruzione, l\u2019addestramento e il deploy di modelli predittivi per applicazioni QSAR\/QSPR, che sfrutta la potenza delle reti neurali facilitandone l\u2019uso e la configurazione.<\/p>\t\t\t\t\t\t

\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/a>\r\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\t<\/div>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t\t<\/div>\r\n\t<\/div>\r\n\r\n\t\n\n\n
<\/div>\n\n\n\n

FAST <\/a>– <\/strong>Feature Analysis and Selection Tool<\/strong><\/h2>\n\n\n\n
<\/div>\n\n\n\n

Lanciata negli ultimi mesi sul mercato, FAST \u00e8 un’applicazione progettata per automatizzare la selezione dei descrittori molecolari per la modellazione QSAR\/QSPR.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Poich\u00e9 nessuna delle molte tecniche disponibili per la selezione delle feature presenta un vantaggio teorico rispetto alle altre (n\u00e9 esiste ancora un criterio per identificare a priori l’approccio migliore), l’idea alla base di questo prodotto \u00e8 quella di cercare e testare sistematicamente centinaia di soluzioni diverse ottenute con altrettanti metodi.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Questo permette di valutare e selezionare a posteriori la soluzione che presenta le migliori prestazioni, usando un approccio sequenziale che, riducendo ad ogni step la dimensione del dataset, permette di essere gestito anche su un normale laptop.<\/p>\n\n\n\n

<\/div>\n<\/div>\n\n\n\n
\n
\"\"<\/figure>\n<\/div>\n<\/div>\n\n\n\n
\n
<\/div>\n\n\n\n
\n
\"\"<\/figure>\n<\/div>\n<\/div>\n\n\n\n
\n
<\/div>\n\n\n\n
\n
<\/div>\n\n\n\n

QUEEN <\/a>– QSAR Under Effective and Efficient Neural-Networks<\/strong><\/h2>\n\n\n\n
<\/div>\n\n\n\n

Negli ultimi anni, i modelli QSAR basati sulle reti neurali hanno ottenuto sempre pi\u00f9 popolarit\u00e0 grazie alla loro capacit\u00e0 di rilevare relazioni complesse e non lineari nei dati chimici. Nonostante sia necessaria una parametrizzazione spesso complessa, questi modelli si sono imposti come gli algoritmi pi\u00f9 potenti e versatili per gestire questo tipo di problemi. <\/p>\n\n\n\n

<\/div>\n\n\n\n

Queen \u00e8 stato pensato proprio per abbattere questa complessit\u00e0.<\/p>\n\n\n\n

QUEEN copre tutte le fasi del processo di modellazione, dall’importazione dei dati all’implementazione del modello, con un’interfaccia grafica user friendly. Il tool incorpora:<\/p>\n\n\n\n

<\/div>\n\n\n\n