通过基于激素的方法进行基架跳跃化合物识别,并进行前性亲和测试
Itsuki Maeda1, Shunsuke Tamura1, Yoshihiro Ogura2
1Graduate School of Science and Technology, Nara Institute of Science and Technology, 8916-5 Takayama-cho, Ikoma, Nara 630-0192, Japan.
Journal of chemical information and modeling
|July 1, 2024
概括
识别架跳跃 (SH) 化合物在药物发现中至关重要. 这项研究评估了分子表征,发现SVM-ECFP4和SVM-ROCS对早期SH化合物识别有效.
科学领域:
- 药用化学 医学化学
- 计算化学计算化学
- 药物发现 药物发现 药物发现
背景情况:
- 基架跳跃 (SH) 化合物提供了新的化学多样性.
- 识别SH化合物对于药物发现至关重要.
- 目前用于SH识别的分子表示缺乏清晰度.
研究的目的:
- 评估和比较用于SH化合物识别的分子表示.
- 为了验证SH发现的回顾性和前性方法.
- 评估不同计算方法的性能.
主要方法:
- 以后验证使用受控数据集.
- 用两个选算法对四个2D/3D分子表示的比较.
- 未来对纳米基数据库进行ABL1抑制剂的选.
- 表面等离子体共振和竞争性结合试验.
主要成果:
- 具有扩展连接指纹 (SVM-ECFP4) 和化学结构快速叠加 (SVM-ROCS) 的支持矢量机器表现出高性能.
- SVM-ROCS发现了缺乏活性训练化合物的亚结构的化合物.
- 在SVM-ECFP4中,大部分是重组化合物.
- 预期选产生了五种潜在的活性化合物,但没有一个在竞争性测试中得到确认.
结论:
- SVM-ECFP4和SVM-ROCS对早期跳的识别非常有希望.
- 为了成功地发现潜在的SH化合物,需要进一步完善方法.
- 这项研究强调了将计算预测转化为验证的结果所面临的挑战.
