目的利用药效团模型和分子对接方法对商业化合物库ChemDiv中的G9afocused-libraries进行筛选,希望发现新骨架结构的G9a抑制剂。方法首先,使用Discovery studio 3.1软件分别构建基于配体的药效团模型和基于配体-受体复合物的药效团模型,...目的利用药效团模型和分子对接方法对商业化合物库ChemDiv中的G9afocused-libraries进行筛选,希望发现新骨架结构的G9a抑制剂。方法首先,使用Discovery studio 3.1软件分别构建基于配体的药效团模型和基于配体-受体复合物的药效团模型,并根据构建的2个模型再重新定义2个新的药效团模型。然后,构建测试集并测试药效团模型的预测能力。最后,选取最优药效团模型对G9afocused-libraries进行筛选,对筛选出的化合物使用CDOCKER分子对接进行分析与评价。结果测试结果显示,所构建的药效团模型具有一定的预测能力,通过该药效团筛选得到了2个结构新颖的潜在的G9a抑制剂。结论所构建的药效团模型具有一定的可靠性,虚拟筛选发现的G9a抑制剂还需进一步的实验证明。展开更多
文摘目的利用药效团模型和分子对接方法对商业化合物库ChemDiv中的G9afocused-libraries进行筛选,希望发现新骨架结构的G9a抑制剂。方法首先,使用Discovery studio 3.1软件分别构建基于配体的药效团模型和基于配体-受体复合物的药效团模型,并根据构建的2个模型再重新定义2个新的药效团模型。然后,构建测试集并测试药效团模型的预测能力。最后,选取最优药效团模型对G9afocused-libraries进行筛选,对筛选出的化合物使用CDOCKER分子对接进行分析与评价。结果测试结果显示,所构建的药效团模型具有一定的预测能力,通过该药效团筛选得到了2个结构新颖的潜在的G9a抑制剂。结论所构建的药效团模型具有一定的可靠性,虚拟筛选发现的G9a抑制剂还需进一步的实验证明。