Alto rendimiento, alta calidad: evaluación comparativa de GNINA y AutoDock Vina para el flujo de trabajo de cribado...

Área de la Ciencia:

• Química computacional
• Farmacología
• La bioinformática

Sus antecedentes:

• El acoplamiento molecular es crucial para el descubrimiento de fármacos en etapas tempranas, pero se enfrenta a desafíos con la flexibilidad de las proteínas y la fiabilidad de la función de puntuación.
• AutoDock Vina es una herramienta de acoplamiento de código abierto ampliamente utilizada, sin embargo, su rendimiento puede ser limitado.

Objetivo del estudio:

• Comparar sistemáticamente el rendimiento de AutoDock Vina con GNINA, una herramienta de acoplamiento basada en el aprendizaje profundo.
• Evaluar su eficacia en el cribado virtual y hacer predicciones para el descubrimiento de fármacos.

Principales métodos:

• Comparación de AutoDock Vina y GNINA en diez objetivos de proteínas diferentes (metaloenzimas, quinasas y GPCR).
• GNINA utiliza redes neuronales convolucionales (CNN) para mejorar la puntuación de la postura.
• El rendimiento se evaluó mediante el cribado virtual de los ligandos activos y el re-acoplamiento de los ligandos co-cristalizados.

Principales resultados:

• GNINA demostró un rendimiento superior en la replicación precisa de las posturas de unión y los valores de energía en comparación con AutoDock Vina.
• GNINA mostró una mayor especificidad para distinguir los positivos verdaderos de los falsos positivos, confirmados por las curvas ROC y el factor de enriquecimiento (EF).
• GNINA sobresalió tanto en las tareas de cribado virtual como en las de acoplamiento.

Conclusiones:

• GNINA ofrece una mayor precisión y fiabilidad en el acoplamiento molecular para el descubrimiento de fármacos.
• Un flujo de trabajo basado en GNINA puede mejorar significativamente la calidad de los resultados de acoplamiento en la etapa inicial del desarrollo de fármacos.
• GNINA representa un valioso avance para optimizar la identificación de éxitos en las tuberías de descubrimiento de fármacos.