
-
生物通官微
陪你抓住生命科技
跳动的脉搏
NERDD微服务平台:面向化学信息学与药物发现的机器学习服务部署框架
《Journal of Cheminformatics》:The NERDD microservices platform for deploying machine learning models in drug discovery
【字体: 大 中 小 】 时间:2026年10月08日 来源:Journal of Cheminformatics 7.9
编辑推荐:
摘要机器学习模型正在改变各科学领域的基于数据的研究方式,然而将其部署为可访问且可靠的网络服务仍是一项重大挑战。我们推出了 NERDD 微服务平台——一个可扩展、可维护且安全的框架,旨在支持化学信息学、生物信息学及相关领域中机器学习服务的可持续交付。该平台以 Python 构建
机器学习模型正在改变各科学领域的基于数据的研究方式,然而将其部署为可访问且可靠的网络服务仍是一项重大挑战。我们推出了 NERDD 微服务平台——一个可扩展、可维护且安全的框架,旨在支持化学信息学、生物信息学及相关领域中机器学习服务的可持续交付。该平台以 Python 构建,为部署预测型与生成式模型提供了模块化基础设施,并原生支持分子性质预测、原子级别推理和分子生成等化学专属任务。通过标准化配置文件与容器化模块,该平台实现了计算模型的无缝集成,并支持通过 REST API 和直观的网页界面进行交互。借助 Apache Kafka、Kubernetes 和 Ceph 等技术,NERDD 确保了高可用性、容错性以及动态可扩展性。作为一款开源解决方案,NERDD 使药物发现领域的研究人员能够以可重复且可维护的方式部署机器学习模型。

机器学习模型正在改变各科学领域的基于数据的研究方式,然而将其部署为可访问且可靠的网络服务仍是一项重大挑战。我们推出了 NERDD 微服务平台——一个可扩展、可维护且安全的框架,旨在支持化学信息学、生物信息学及相关领域中机器学习服务的可持续交付。该平台以 Python 构建,为部署预测型与生成式模型提供了模块化基础设施,并原生支持分子性质预测、原子级别推理和分子生成等化学专属任务。通过标准化配置文件与容器化模块,该平台实现了计算模型的无缝集成,并支持通过 REST API 和直观的网页界面进行交互。借助 Apache Kafka、Kubernetes 和 Ceph 等技术,NERDD 确保了高可用性、容错性以及动态可扩展性。作为一款开源解决方案,NERDD 使药物发现领域的研究人员能够以可重复且可维护的方式部署机器学习模型。
