LiProS:小さな分子の正確な脂性プロフィールを予測するための検索可能,アクセス可能,相互運用可能,再利用可能なデータシミュレーションワークフロー

科学分野:

• コンピュータ化学
• 化学情報学
• 薬物の発見

背景:

• リポフィリティは,薬物の吸収,分布,および生物分子相互作用に影響を与える重要な物理化学的性質である.
• pH依存性脂性 (log D) の正確な予測は,薬剤設計と材料科学において極めて重要です.
• 既存の方法は,イオン化可能な化合物のニュアンスを十分に捉えることができないかもしれません.

研究 の 目的:

• pH依存型脂性プロフィールを決定するためのFAIR (Findable, Accessible, Interoperable, Reusable) ワークフローであるLiProSを導入する.
• SMILESのコードに基づいてリポフィリティを予測するためのアクセシブルなツールを研究者に提供する.
• 多様な化学化合物に対して適切な脂性形式の選択を可能にする.

主な方法:

• Google Colabでアクセスできる LiProS ワークフローの開発
• 分子表現の入力として SMILES コードを使用します.
• pH依存の予測の精度を高めるために,イオン表面分割係数 (P_I^app) を組み込む.
• NAPRORE-CRの天然製品データベースへの適用は,イオン化可能な化合物の分析のためです.

主要な成果:

• LiProSは,SMILESコードからpHに依存する脂質性プロフィールを効率的に決定します.
• このワークフローは,電離性化合物の分析に有用であることが示されました.
• LiProSは,特定の化合物のセットに適した脂性形式の識別を容易にした.

結論:

• LiProSは,リポフィリティの予測のためのユーザーフレンドリーでFAIR準拠のソリューションを提供します.
• このツールは,特に電離性化合物のpH依存性リポフィリシティモデリングの精度を高めます.
• LiProSは科学研究におけるデータ管理と共有の原則をサポートしています.