Produkty IT

Produkty IT

Aktywność badawczo-rozwojowa i wdrożeniowa QSAR Lab koncentruje się na opracowaniu zestawu narzędzi komputerowych umożliwiających przeprowadzenie kompleksowej oceny ryzyka jaką stwarzają nowe materiały (w tym nanomateriały) dla środowiska naturalnego oraz dla zdrowia i życia człowieka. Poznaj narzędzia tworzone przez naszą firmę.

WYPRÓBUJ

Baza NAMs- wszystkie metody charakterystyki zagrożeń w jednym miejscu

NAMs.network to pierwsza baza danych nowoczesnych metod niezwierzęcych (NAMs) istotnych dla oceny bezpieczeństwa nanomateriałów i chemikaliów. Jest to kompleksowe i łatwo dostępne repozytorium, które gromadzi wszystkie NAMs zgodne z regulacjami UE i US w jednym miejscu, umożliwiając dostęp do najnowszej wiedzy na temat różnych metod niezwierzęcych.

   Proponowane i obiecujące NAMs 

  NAMs obecnie w trakcie walidacji lub adaptacji

  Zaakceptowane i prawnie zatwierdzone NAMs

WYPRÓBUJ

Platforma do predykcji właściwości i oceny bezpieczeństwa chemikaliów

QL Chemicals to platforma webowa do predykcji właściwości fizykochemicznych, środowiskowych i toksykologicznych związków chemicznych, ze szczególnym uwzględnieniem związków organicznych. Wykorzystuje zweryfikowane modele QSAR i obejmuje szeroki zakres endpointów dla różnych klas związków.

✔ Endpointy fizykochemiczne, środowiskowe i toksykologiczne
✔ Modele dla związków organicznych, PFAS, POPs i cieczy jonowych
✔ Wprowadzanie struktur przez edytor molekularny lub SMILES, z optymalizacją 3D
✔ Szeroki zakres stosowalności modeli, obejmujący ponad 6000 związków
✔ Intuicyjny interfejs, raporty, dokumentacja QMRF i płatności w systemie Wallet
✔ Transparentna dokumentacja modeli i raporty wspierające ocenę bezpieczeństwa

WYPRÓBUJ

Platforma do predykcji toksyczności i oceny bezpieczeństwa materiałów zaawansowanych

QLmaterials to platforma webowa do predykcji toksyczności zaawansowanych materiałów (IAM), w tym nanomateriałów inżynieryjnych (ENM). Wykorzystuje modele oparte na uczeniu maszynowym, zbudowane na kuratorowanych danych eksperymentalnych, aby wspierać ocenę bezpieczeństwa materiałów na wczesnych etapach rozwoju. Pomaga porównywać warianty, lepiej planować badania laboratoryjne i wspierać podejście SSbD.

✔ Endpointy toksykologiczne istotne dla człowieka
✔ Zastosowanie dla Innovative Advanced Materials (IAM), w tym ENM
✔ Porównywanie wariantów materiałów i wsparcie wyboru bezpieczniejszych rozwiązań
✔ Definiowanie materiału na podstawie kluczowych właściwości fizykochemicznych
✔ Intuicyjny proces predykcji bez potrzeby specjalistycznej wiedzy z zakresu ML
✔ Raporty wspierające dokumentację bezpieczeństwa, zgodne ze standardem QPRF i OECD

WYPRÓBUJ

Modele QSAR do przewidywania alertów toksyczności i zachowania nanocząstek

To unikalna aplikacja online, wspierana algorytmami uczenia maszynowego (ML), umożliwiająca przewidywanie alertów genotoksyczności i mutagenności dla nanocząstek TiO2 i SiO2. Oprócz informacji o potencjalnej toksyczności, aplikacja dostarcza także danych na temat poziomu niepewności, z jakim należy traktować wyniki – co stanowi innowację w modelach QSAR.

   Endpointy zgodne z wymaganiami regulacyjnymi

   Rzetelne i precyzyjne dane dostosowane do rekomendacji EFSA

   Ograniczenie czasochłonnych i kosztownych eksperymentów

    Prosty i intuicyjny interfejs przyjazny dla użytkownika

Usługa bioinformatyczna wspierające projektowanie molekularnych testów diagnostycznych

Unikalne, internetowe narzędzie i usługa bioinformatyczna, wspierane przez metody uczenia maszynowego (ML) i sztucznej inteligencji (AI), pomagające projektować i rozwijać nowe testy diagnostyki molekularnej w przypadku chorób nowo powstających lub znanych, takich jak COVID-19. Innowacyjny, eksperymentalnie sprawdzony algorytm optymalizuje wirtualne przeszukiwanie o wysokiej przepustowości (vHTS) i dokowanie molekularne wirtualnych bibliotek peptydów składających się ze wszystkich możliwych kombinacji sekwencji aminokwasów (AA) dla danej długości peptydu (4-12 AA).

     Biblioteka ponad 25 miliardów struktur peptydów

  Dokowanie molekularne z wykorzystaniem pola siłowego

   Redukcja kosztów, czasu i mocy obliczeniowej

WYPRÓBUJ

Model przewidujący wartości BMD(L) wielościennych nanorurek węglowych (MWCNT) w kontekście AOP 173

WYPRÓBUJ

Model przewidujący toksyczność nanocząstek wobec linii komórkowej CHO-K1 z pomocą sieci SAPNet