分子动力学模拟作为调节小分子聚合的指南
Azam Nesabi1, Jas Kalayan2, Sara Al-Rawashdeh1
1Division of Pharmacy and Optometry, School of Health Sciences, Manchester Academic Health Sciences Centre, University of Manchester, Oxford Road, Manchester, M13 9PL, UK.
分子动力学 (MD) 模拟准确预测小分子聚合倾向,优于化学信息学过器. 这种基于物理的方法有助于通过识别和修改易聚合的化合物来优化候选药物.
科学领域:
- 计算化学计算化学
- 药物发现 药物发现 药物发现
- 生物化学 生物化学
背景情况:
- 小合聚合分子 (SCAMs) 在药物发现过程中在生物测试中构成挑战.
- 了解和预测SCAM的自我关联性质对于药物输送和分析生物化学至关重要.
- 目前的化学信息过器 (ChemAGG,聚合器顾问) 由于培训数据的质量和多样性而存在局限性.
研究的目的:
- 评估分子动力学 (MD) 模拟作为预测小型有机分子聚合倾向的基于物理的方法.
- 为了比较MD模拟的准确性与现有的化学信息学过器进行聚合预测.
- 探索结构-聚合关系并确定化学修饰以调节聚合行为.
主要方法:
- 在明确溶剂中对一组32种不同的分子进行了100ns的MD模拟.
- 利用隐性溶剂模拟与一般化的博恩模型进行比较分析.
- 分析模拟数据以评估聚合倾向并确定结构-活动关系.
主要成果:
- MD模拟在预测聚合倾向方面取得了97%的成功率,明显高于聚合器顾问 (75%) 和ChemAGG (72%).
- 短时间尺度的MD模拟有效地捕获了动态聚合行为,与更长的微秒轨迹可比.
- 与显式溶剂MD模拟相比,隐式溶剂模型在预测聚合方面效率较低.
结论:
- 模拟MD提供了一个强大的,基于物理的方法来预测小分子聚合倾向跨不同的化学结构.
- MD模拟为结构-聚合关系提供了宝贵的见解,指导复合物优化.
- 虽然MD模拟的吞吐量低于化学信息学过器,但它适合于聚焦的子集,并为修改聚合行为提供了详细的指导.
更多相关视频
09:17Structure-Based Simulation and Sampling of Transcription Factor Protein Movements along DNA from Atomic-Scale Stepping to Coarse-Grained Diffusion
Published on: March 1, 2022
07:31Author Spotlight: Advancing Cell Membrane Biophysics - Exploring Interactions and Challenges Through Experimental and Computational Approaches
Published on: September 1, 2023
相关概念视频
Van der Waals Interactions
Basic Postulates of Kinetic Molecular Theory: Particle Size, Energy, and Collision
Equilibrium Conditions for a Particle
To understand the concept of equilibrium, let us first consider the forces acting on an object. When different forces act on an object, they can...
Equation of Motion: Center of Mass
Internal forces between any pair of particles manifest as collinear pairs of equal magnitude but opposite directions,...
The Kinetic Model of Gases
Reaction Mechanisms: The Steady-State Approximation
