架构识别和命名系统 (SCINS) 的开源实现以及示例应用程序
Kamen P Petrov1, Andreas Bender1,2
1Pangea Bio, Pangea Botanica GmbH, Hardenbergstrasse 32, 10623 Berlin, Germany.
Journal of chemical information and modeling
|October 15, 2024
概括
我们介绍了一个开源的 Python 实现的 Scaffold 识别和命名系统 (SCINS),用于组织化学结构. SCINS为化学空间划分提供了一个平衡的方法,对于分析大型化合物数据库和选结果非常有用.
科学领域:
- 计算化学是一种计算化学.
- 化学信息学 化学信息学
- 药物发现 药物发现
背景情况:
- 组织化学结构对于化合物库分析和杀伤名单后处理至关重要.
- 像集群这样的现有方法是计算密集的,而基于规则的方法 (例如,Murcko脚手架) 可能过于细粒度.
- 需要在化学空间分区中平衡颗粒度和计算效率的方法.
研究的目的:
- 提供一个开源的Python实现的脚手架识别和命名系统 (SCINS).
- 描述SCINS,并证明其在分析化学数据库和指导化合物选择方面的实用性.
- 促进SCINS方法在化学信息学中的更广泛采用和应用.
主要方法:
- 开发了一个开源的SCINS Python实现,仅依赖RDKit库.
- 将SCINS应用于大型化学数据库,包括Enamine REAL Diverse和ChEMBL.
- 评估了SCINS在识别化学空间稀疏和密集区域以及分组生物活性化合物的性能.
主要成果:
- 在大型化学数据集中,SCINS有效地识别稀疏和人口密集的地区.
- 与ChEMBL相比,Enamine REAL Diverse占据了一个较小的SCINS空间,与Murcko支架分析形成鲜明对比.
- SCINS为中型生物活性化合物集提供了化学直观的分组,有助于虚拟选和打击列表分析.
结论:
- 开源的SCINS实现为化学结构组织提供了一个计算高效和平衡的方法.
- 皮肤对于探索大型化学空间和为药物发现选择相关化合物非常有价值.
- 这项工作为化学信息应用中的SCINS方法提供了实用工具和验证.
