暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

暂无描述

Docker Model Runner支持镜像，用于在Docker CE中提供Model Runner功能，需通过Docker Model CLI插件的`docker model install-runner`命令拉取运行，不供终端用户直接使用。

暂无描述

暂无描述

提供基于Node.js的浏览器运行时环境，用于支持合成监控场景的任务执行。

暂无描述

基于RDKit的Descriptors.MolWt函数实现，用于输入小分子SMILES并计算其分子量（单位：g/mol）的Docker镜像。

Web Modeler是面向业务和IT专业人员的协作集成工具，用于云设计开发，支持项目早期快速原型设计，与开发集群紧密集成并具备开箱即用功能，可通过BPMN和DMN标准图形化定义流程，包含基本流程开发生命周期。

Web Modeler是Camunda平台的关键组件，通过BPMN与DMN标准连接IT与业务，支持团队有效沟通和无缝协作，用于流程及流程应用的建模与部署。

暂无描述

Ersilia Model Hub的基础镜像，用作模型之间的共享层。

暂无描述

暂无描述

基于大肠杆菌生长抑制实验训练的化学图模型，可预测化合物抑制大肠杆菌生长的概率（80%抑制阈值），适用于抗生素活性筛选，模型标识符eos4e40。

Morgan指纹（ECFP4）生成工具，基于RDKit实现，采用半径3和2048维度，用于分子特征化，将化合物转换为2048维整数向量表示，适用于各类生物医学领域的分子表示任务。

暂无描述

eToxPred工具用于预测分子的合成可及性（SA）分数（实验室合成难易程度）和毒性（Tox）分数（对人类的毒性概率），适用于构建虚拟定制库，模型标识符为eos92sw。

基于AiZynthfinder的逆合成可及性评分工具，通过训练20万ChEMBL分子数据集构建分类器，计算速度比基础工具快4500倍，用于预测分子的逆合成可及性，评分越高表示越容易合成。

基于知识引导的预训练图转换器，提供分子图的神经指纹（嵌入），采用LiGhT架构和知识引导预训练策略，输出固定2304维的知识驱动嵌入，适用于分子表征学习和特征化任务。

Chemical Checker signaturizer提供25种生物活性签名（含2D/3D指纹、 scaffold、结合特性、晶体、副作用、细胞生物测定等），每种128维，共3200维向量，用于捕获化合物结构之外的特性，使用2020-02版本，定期更新。

Uni-Mol分子表示镜像是基于SE(3)等变Transformer架构的预训练模型，可捕捉分子3D信息，训练超过2亿个构象，输出512维表示嵌入，Ersilia标识符为eos39co，适用于分子特征化任务。

这是一个基于大肠杆菌生长抑制实验训练的简化模型，用于识别与传统抗生素结构不同的化合物的抗生素潜力，适用于训练目的，完整版模型eos4e40提供完整预测能力。

MAIP是用于预测小分子抗疟疾潜力的模型，集成了多个QSAR模型，基于来自Evotec、Johns Hopkins等机构的超过700万种化合物的专有数据训练，通过向MAIP在线服务器提交预测，适用于抗疟疾药物研发中的活性评估。

CheMeleon是一种分子基础模型，基于Mordred包的确定性分子描述符预训练，利用有向消息传递神经网络在无噪声环境下预测描述符，生成2048维分子向量表示，适用于分子特征化任务。

MolE表示是通过自监督深度学习生成的任务独立分子嵌入，旨在无需标记训练数据的情况下编码分子的化学有意义信息，输出固定维度为1000的向量表示。

以DrugBank化学空间为参考，使用Ersilia化合物嵌入作为描述符，执行PCA、UMAP和tSNE 2D投影，返回4个PCA分量及各2个UMAP、tSNE分量的坐标。

用于预测化合物抑制淋病奈瑟菌（Neisseria gonorrhoeae）生长活性概率的模型，基于ChEMBL数据集构建，采用LazyQSAR与CheMeleon Embeddings作为分子描述符，5折交叉验证AUROC为0.86，可辅助抗菌药物研发中的化合物筛选。

这是一个预测分子进入肺部、扩散通过干酪样病变及渗透结核分枝杆菌细胞壁可能性的模型集合，基于多项研究构建的分类器，用于结核病药物研发中的通透性评估。

该工具以100k ChemDiv多样性集为化学空间参考，使用Ersilia化合物嵌入作为描述符，执行PCA、UMAP和tSNE投影，返回4个PCA分量及各2个UMAP和tSNE分量。

暂无描述

PADEL小分子描述符工具，计算1875个分子描述符（1444个1D/2D、431个3D）和12种指纹，提供Python实现PaDDELPy，用于小分子表示与特征化，Ersilia模型标识符eos7asg。

CLAMP是基于ChEMBL数据训练的分子嵌入模型，通过对比学习结合大规模生物活性数据集，学习具有生物活性感知的化学表示，输出768维分子嵌入特征，适用于分子表征与特征化任务。

基于RDKit实现的Morgan指纹二进制向量表示，半径3，2048维度，用于分子特征化，Ersilia模型标识符eos4wt0。

USRCAT是一种带药效团约束的实时超快速分子形状识别工具，通过将原子类型集成到传统USR描述符中，提升基于形状的虚拟筛选性能，可区分形状相似但药效团特征不同的化合物。

eNTRy规则Docker镜像用于预测革兰氏阴性菌中的化合物积累，基于低球状性(≤0.25)、低旋转键数量(≤5)和存在伯胺基团三个标准，助力抗菌化合物设计与渗透性优化。

以节点模式运行的Selenium Grid，包含所有主流浏览器（Chrome、Edge、Firefox），用于分布式自动化测试环境。

预测足菌肿病原体Madurella mycetomatis在小药物存在下的生长，基于MycetOS开源数据开发，使用Ersilia的LazyQSAR包训练，输出抑制概率（以20%生长为阈值），用于抗真菌活性预测。

该镜像用于检查化合物与GARDP AntibioticDB数据库中已知抗生素的匹配情况，通过Morgan指纹（半径2，1024位）计算Tanimoto相似度并测试多个阈值，同时基于Murcko和BRICS骨架进行朴素贝叶斯二分类。

FasmiFra是基于(deep)SMILES片段的分子生成器，通过Deep SMILES确保生成分子语法有效，性能超过340,000分子/秒，基于ChEMBL的100k化合物采样片段，仅保留包含输入分子片段的组装分子。

用于预测化合物对人类肝癌细胞（HepG2）、人原代骨骼肌细胞（HSkMCs）和人肺成纤维细胞（IMR-90）的细胞毒性的模型，输出0-1之间的毒性概率值，0表示无毒，1表示有毒。

暂无描述

使用神经符号AI框架在ChEBI本体中自动分类化学实体，智能利用本体结构指导学习系统，输出分号分隔的ChEBI预测父项列表。

基于SAFE（顺序附着片段嵌入）符号系统的分子支架修饰模型，可通过替换输入化合物的侧链生成最多100个新分子，适用于分子设计优化任务，支持SMILES格式输入输出。

来自RDKIT的200个理化描述符集合，用于小分子特征化，包括分子量、溶解度和药物可及性参数，采用DescriptaStorus选择的RDKit描述符，Ersilia标识符eos8a4x。

生物活性感知的小分子化学嵌入模型，通过迁移学习生成1024个特征的嵌入向量，融合物理化学与生物活性信息，训练数据来自FS-Mol和ChEMBL数据集，使用Grover、Mordred和ECFP描述符。

使用ChEMBL数据库API的分子采样器，通过Tanimoto相似度（>0.4）搜索与输入分子相似的分子，最多返回100个结果，由Ersilia开发。

MoLeR是基于图的分子生成模型，结合片段和原子生成新分子，支持支架约束优化，可完成任意分子支架，使用Enamine的300k构建块库，为每个输入分子生成1000个保留支架的新分子。

暂无描述

REINVENT4的Mol2Mol Medium Similarity选项可生成约100个新的小分子，保持与输入化合物的中等结构和化学相似性，在保留关键药效团或功能特征的同时支持骨架探索，适用于早期药物发现中的命中扩展、类似物生成和化学空间探索任务。

预测小分子对抗结核分枝杆菌的活性，基于Seattle Childrens提供的数据，使用LazyQSAR训练，3折交叉验证AUROC>0.8，输出MIC50、MIC90和全细胞测定的抑制概率。

使用Ersilia化合物嵌入作为描述符，对Coconut天然产物数据库的化学空间进行PCA、UMAP和tSNE投影，返回4个PCA分量及各2个UMAP、tSNE分量，适用于化合物的化学空间表示与投影分析。

Ersilia Model Hub Identifier: eos19mt

通过PubChem API对输入化合物进行相似性搜索（相似度0.7），返回最多100个相似分子的采样工具，由Ersilia开发，适用于化学分子相似性研究。

基于神经机器翻译模型的低维连续分子描述符，通过输入IUPAC分子名称生成512维向量表示，预训练于ChEMBL和ZINC数据集，ONNX格式，适用于分子特征化任务。

REINVENT 4 Mol2MolScaffold镜像利用REINVENT4的mol2mol scaffold先验和通用先验，为输入化合物生成约500个结构相似的新分子，适用于分子设计和相似性筛选场景。

Model Registry微服务提供集中式AI模型仓库，用于管理模型及其元数据（版本、精度等），支持多应用/开发者访问，简化模型管理、促进协作并助力改进模型部署。

用于药物诱导心脏毒性风险的二元预测，输出化合物心脏毒性可能性的概率分数，支持化学输入（如SMILES）和生物数据，基于DICTrank数据集训练。

用于运行Intel®架构模型库中语言建模工作负载的容器。

STONED采样器通过对SELFIES分子表示进行小修改来搜索化学空间并生成新分子，无需大量数据即可实现与深度生成模型相当的性能，主要用于化合物生成。

Browsertime是一款从浏览器获取Web性能指标的工具，支持Firefox和Chrome，可收集导航时间、用户时间、资源时间等性能数据，生成HAR文件，运行自定义脚本，录制视频并分析视觉指标（如速度指数）。

MycPermCheck是基于理化性质预测结核分枝杆菌细胞膜渗透性的模型，通过活性分子（MIC < 10 uM，分子量<500 Dalton）和ZINC数据库样本训练，输出渗透性概率，适用于结核病药物研发中的ADME性质评估。

GROVER是一个自监督图神经网络，预训练了1000万未标记分子，用于生成分子的5000维嵌入表示，适用于分子特征化和表示学习任务，在MoleculeNet基准测试中表现优于其他最先进方法。

Small World Enamine REAL搜索镜像是基于包含230B+分子子结构的化学空间索引，通过Small World API查询并针对Enamine REAL图谱采样100个距离≤10的分子，用于化合物相似性搜索的工具。

REINVENT 4 LibInvent通过在给定输入分子的附着点添加R基团生成新分子，若输入SMILES字符串无指定附着点则自动寻找潜在附着点并迭代组合，每个输入可生成最多1000个相似分子。

Ersilia Model Hub Identifier: eos18ie

MetaTrans镜像是一个基于分子转换器模型的工具，用于预测小分子的人类代谢物，通过I相和II相反应分析，最多可生成10种代谢物，适用于ADMET研究和药物安全性评估。

SMILES-based Transformer Encoder-Decoder (SMILES-TED)是IBM开发的编解码器模型，预训练于9100万SMILES样本（40亿分子tokens），支持量子性质预测等复杂任务，提供289 M和8x289 M两种主要变体。

嵌入式Morgan指纹(eMFP)的Docker镜像，保留分子关键结构信息，通过改进数据表示减少过拟合风险并增强模型性能，用于分子特征化，输出固定1024维向量表示。

这是一个通过Small World API查询ZINC化学空间的镜像，用于在距离10范围内采样100个分子的相似性搜索，支持单个化合物输入，返回100个近邻分子的SMILES字符串。

基于WHALES描述符对Q-Mug（ChEMBL的600k生物活性分子子集）进行相似性搜索，支持骨架跃迁，返回Top 100相似分子，内置3D构象生成。

该模型使用Word2Vec自然语言处理技术处理SMILES字符串，基于2000多个小分子的HepG2细胞毒性实验数据（IC50）训练，用于分类化合物是否具有HepG2毒性（IC50 <= 30 uM），数据来源于ChEMBL公共库。

基于分子复杂性和片段贡献估算类药物分子的合成可及性分数（SAScore），已集成到RDKit包，低分数表示合成可及性高，通过40种分子验证（r2=0.89）。

Web Modeler是一款用于云基设计开发的协作集成工具，支持业务和IT人员通过BPMN & DMN标准图形化定义流程，具备快速原型设计、与开发集群紧密集成及开箱即用功能，并包含基本流程开发生命周期。

WHALES（加权整体原子定位与实体形状）是基于3D结构的分子描述符，用于天然产物特征化，支持从天然产物到合成化合物的骨架跃迁练习，Ersilia模型标识符为eos3ae6。

GNEProp大肠杆菌抗生素活性预测模型，基于高通量筛选训练，可预测化合物抑制敏感大肠杆菌菌株的概率，支持大规模虚拟筛选以发现新抗菌化合物，模型稳健性经分布外泛化和活性悬崖预测验证。

使用图神经网络和迁移学习预测小分子微状态pKa值的模型，分两阶段训练（ChEMBL数据集预训练+小数据集微调），无需Epik许可证，适用于单质子分子，输出pKa预测值及标准偏差。

HobPre用于预测小分子在人体中的口服生物利用度，基于约1200个分子的公开数据训练，提供HOB >20%和>50%两个阈值的概率预测及适用性域判断。

用于预测小分子对抗曼氏血吸虫的活性，基于多个药物库（如Cancer Drug Library、FDA Library等）的体外筛选数据开发，使用LazyQSAR建模，AUROCS范围0.7-0.89，可输出新转化血吸虫和成虫在不同浓度下的抑制率及IC50活性概率。

基于无监督RNN语言模型的药物相似性评分工具，仅使用已知药物训练，可预测反映药物开发阶段进展的药物相似性分数，无需负样本或二元输出，分数越高表示药物相似性越高。

使用Datamol包，接收SMILES输入，经分子清洗和标准化后生成规范SMILES、SELFIES、InChI及InChIKey四种化学表示形式的转换工具。

SMILES-based Transformer Encoder-Decoder (SMILES-TED)是IBM开发的编解码器模型，预训练于9100万SMILES样本（40亿分子tokens），支持量子性质预测等复杂任务，提供289 M和8x289 M两种主要变体。

ChEMBL团队开发的基于配体的多目标预测模型，使用小分子-蛋白质目标对训练，基于ChEMBL_28构建，准确率85%，可输出616个蛋白质的结合概率，适用于目标识别和生物活性谱分析。

这是一个通过Small World API查询ZINC化学空间的镜像，用于在距离10范围内采样100个分子的相似性搜索，支持单个化合物输入，返回100个近邻分子的SMILES字符串。

该模型使用Word2Vec自然语言处理技术处理SMILES字符串，基于2000多个小分子的HepG2细胞毒性实验数据（IC50）训练，用于分类化合物是否具有HepG2毒性（IC50 <= 30 uM），数据来源于ChEMBL公共库。