Cribado virtual basado en estructura de espacios químicos ultragrandes: Avances y dificultades

Área de la Ciencia:

• Química computacional
• Química medicinal
• Descubrimiento de fármacos

Sus antecedentes:

• Los espacios químicos bajo demanda ofrecen moléculas fácilmente sintetizables a partir de bloques de construcción comerciales.
• La escala de estos espacios químicos se ha expandido a billones de compuestos.
• Se necesitan algoritmos eficientes para la enumeración, el almacenamiento y el cribado virtual, especialmente con objetivos de proteínas en 3D.

Objetivo del estudio:

• Revisar los enfoques principales para el cribado virtual ultra grande basado en estructura.
• Destacar las ventajas y los desafíos del cribado a una escala tan grande.
• Discutir el impacto de los espacios químicos ultragrandes en el descubrimiento temprano de fármacos.

Principales métodos:

• Examen de los enfoques actuales de cribado virtual ultra grande basados en estructura.
• Análisis de aplicaciones prospectivas y su dependencia del acoplamiento por fuerza bruta.
• Revisión de desarrollos recientes que integran aprendizaje activo, muestreo probabilístico y métodos guiados por sintón.

Principales resultados:

• El cribado de espacios químicos ultragrandes puede producir tasas de éxito mejoradas y éxitos más potentes.
• El crecimiento exponencial del espacio químico presenta importantes obstáculos prácticos y teóricos.
• Los nuevos métodos aceleran el acoplamiento y priorizan compuestos prometedores de manera efectiva.

Conclusiones:

• Los espacios químicos ultragrandes ofrecen un potencial transformador para la identificación temprana de éxitos en el descubrimiento de fármacos.
• La integración de algoritmos avanzados es esencial para gestionar y explotar estos vastos recursos moleculares.
• La organización del descubrimiento temprano de fármacos está siendo remodelada por la disponibilidad de espacios químicos ultragrandes.