从分子库中筛选出潜在活性化合物,是药物发现常用的方法。然而,随着化学空间的不断探索,目前已有超过数十亿分子的化合物库,仅仅依靠分子对接已不足以从超大化合物库中对特定靶点抑制剂进行快速筛选。本研究提出了一种筛选潜在活性化合...从分子库中筛选出潜在活性化合物,是药物发现常用的方法。然而,随着化学空间的不断探索,目前已有超过数十亿分子的化合物库,仅仅依靠分子对接已不足以从超大化合物库中对特定靶点抑制剂进行快速筛选。本研究提出了一种筛选潜在活性化合物的方法,通过计算物理化学性质相似性、构建机器学习预测模型以及分子对接等步骤,对含有55亿分子的候选化合物库进行过滤筛选,最终得到51个具有共济失调毛细血管扩张突变基因和Rad3相关蛋白(ataxia telangiectasia-mutated and Rad3-related,ATR)激酶潜在抑制活性的化合物。该方法为从超大库中快速筛选新颖潜在活性分子提供了有效途径。展开更多
文摘从分子库中筛选出潜在活性化合物,是药物发现常用的方法。然而,随着化学空间的不断探索,目前已有超过数十亿分子的化合物库,仅仅依靠分子对接已不足以从超大化合物库中对特定靶点抑制剂进行快速筛选。本研究提出了一种筛选潜在活性化合物的方法,通过计算物理化学性质相似性、构建机器学习预测模型以及分子对接等步骤,对含有55亿分子的候选化合物库进行过滤筛选,最终得到51个具有共济失调毛细血管扩张突变基因和Rad3相关蛋白(ataxia telangiectasia-mutated and Rad3-related,ATR)激酶潜在抑制活性的化合物。该方法为从超大库中快速筛选新颖潜在活性分子提供了有效途径。