太空成长:基于形状的高效虚拟选数十亿大小的组合碎片空间
Sophia M N Hönig1,2, Florian Flachsenberg1, Christiane Ehrt2
1BioSolveIT, An der Ziegelei 79, 53757, Sankt Augustin, Germany.
Journal of computer-aided molecular design
|March 17, 2024
概括
搜索超大化学空间现在是可行的SpaceGrow,一个新的3D虚拟选方法. 这种方法从数十亿种化合物中快速识别出潜在的候选药物,克服了传统方法的局限性.
科学领域:
- 化学信息学 化学信息学
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 超大型的化学库 (数十亿/万亿种化合物) 由于其规模,挑战了传统的化学信息学.
- 对于这些巨大的化学空间来说,详尽的列举是不可能的.
- 现有的3D虚拟选方法通常依赖于计算上昂贵的详尽的列举.
研究的目的:
- 介绍SpaceGrow,这是一个基于形状的虚拟选的新3D方法.
- 能够有效地选超大化学空间 (数十亿个化合物).
- 在速度和性能方面改进现有的3D虚拟选方法.
主要方法:
- 开发了SpaceGrow,一种基于形状的3D虚拟选方法.
- 使用单个CPU在几个小时内选数十亿种化合物.
- 使用根平均平方偏差 (RMSD) 评估姿势复制和排名表现.
- 在 eXplore 化学空间的子集和涉及 G 蛋白结合受体 (GPCRs) 的药物发现工作流中评估 SpaceGrow.
主要成果:
- 太空成长展示了与传统叠加工具相比较的姿势复制.
- 太空成长表现出优越的排名表现,并且是数量级更快.
- 较大的化学空间显示出识别优异结果的可能性更高.
- 在识别具有与GPCRs相似的结合能力的新化合物的成功应用.
结论:
- SpaceGrow提供了一种高效和有效的解决方案,用于基于联体的超大化学空间的虚拟选.
- 该方法通过快速探索庞大的化合物库,显著加快了药物发现过程.
- 这些发现突显了寻找超大化学空间用于药物发现和开发的潜力.
