=================
计算机辅助药物设计
=================
====
论文
==== |
====
软件
==== |
====
数据
==== |
========
视频教程
======== |
========
重要链接
======== |
|
===========
小组成员进入
=========== |
|
====
Back
==== |
1. End-Point Binding Free Energy Calculation with MM/PBSA and MM/GBSA: Strategies and Applications in Drug Design . CHEMICAL REVIEWS,2019
2. The MM/PBSA and MM/GBSA methods to estimate ligand-binding affinities. EXPERT OPINION ON DRUG DISCOVERY. MAY 2015
3. Recent Advances in Free Energy Calculations with a Combination of Molecular Mechanics and Continuum Models. Current Computer-Aided Drug Design, 2006, 2, 95-103
4. Develop and Test a Solvent Accessible Surface Area-Based Model in Conformational Entropy Calculations .J Chem Inf Model. 2012 May 25; 52(5): 1199–1212
5. An overview of the Amber biomolecular simulation
package. WILEY INTERDISCIPLINARY REVIEWS-COMPUTATIONAL MOLECULAR
SCIENCE. MAR-APR 2013: DOI: 10.1002/wcms.1121
6.The Amber biomolecular simulation programs. JOURNAL OF COMPUTATIONAL CHEMISTRY. 2005.12
7. Large-scale comparison of machine learning methods for drug target prediction on ChEMBL. Chemical Science.2018
8. LigPlot+: Multiple Ligand–Protein Interaction Diagrams for Drug Discovery. J. Chem. Inf. Model. 2011, 51, 10, 2778–2786
9. Comprehensive in silico
Study of GLUT10: Prediction of Possible Substrate Binding Sites and
Interacting Molecules. CURRENT PHARMACEUTICAL BIOTECHNOLOGY.2020
10. Web-based drug repurposing tools: a survey. BRIEFINGS IN BIOINFORMATICS. 2019.1
11. MODELLER: Generation and refinement of homology-based protein structure models MACROMOLECULAR CRYSTALLOGRAPHY, PT D. 2003
12. SwissTargetPrediction: a web server for target prediction of bioactive small molecules. NUCLEIC ACIDS RESEARCH. 2014.7
生物活性小分子,如药物或代谢物,与蛋白质或其他大分子靶点结合以调节其活性,进而产生观察到的表型效应。因此,定位生物活性小分子的靶点是揭示其生物活性的分子机制和预测潜在副作用或交叉反应的关键步骤。近年来,蛋白质-小分子相互作用的大数据集已经出现,为基于知识的方法的发展提供了一个独特的信息来源,以计算方式识别未知分子的新靶点或已知分子的次级靶点。在这里,我们介绍了SwissTargetPrediction,这是一个web服务器,可以根据已知配体的2D和3D相似性度量来准确预测生物活性分子的目标。预测可以在五种不同的有机体中进行,并且通过不同物种内部和不同物种之间的同源性来绘制预测图,可以用于接近的副对数和正原型。
13. An open-source drug discovery platform enables ultra-large virtual screens. NATURE.2020.4. DOI: 10.1038/s41586-020-2117-z
VirtualFlow是一个开源的药物发现平台,它能够有效地制备和虚拟筛选超大型配体库,以识别与靶蛋白具有高亲和力的分子。
平均而言,一种已获批准的药物目前的成本为20-30亿美元,研发时间超过10年(1)。在一定程度上,这是由于昂贵和耗时的湿性实验室实验,不良的初始命中化合物和(前)临床阶段的高损耗率。基于结构的虚拟筛选有可能缓解这些问题。使用基于结构的虚拟筛选,点击的质量随着筛选的化合物数量的增加而提高(2)。然而,尽管存在大量化合物数据库,但以可访问、高效和灵活的方式对计算机集群进行大规模基于结构的虚拟筛选的能力仍然很困难。在这里我们描述VirtualFlow,一个高度自动化和多功能的开源平台,具有完美的缩放行为,能够制备和高效地筛选超大型化合物库。VirtualFlow能够使用各种最强大的对接程序。利用VirtualFlow,我们准备了一个最大的,免费提供的现成的配体库,有超过14亿个商用分子。为了证明虚拟流的威力,我们筛选了超过10亿个化合物,并鉴定出一组结构多样的分子,这些分子与KEAP1具有亚微摩尔亲和力。其中一种铅抑制剂(iKeap1)以纳摩尔亲和力(离解常数(K-d)=114 nM)与KEAP1结合,并破坏KEAP1与转录因子NRF2之间的相互作用。这说明了VirtualFlow能够进入化学空间的广大区域并识别与靶蛋白具有高亲和力的分子。