FEP-SPell-ABFE:一个开源的自动化炼化绝对约束自由能量计算工作流程用于药物发现

科学领域:

• 计算化学是一种计算化学.
• 药物发现 药物发现
• 分子建模分子建模

背景情况:

• 准确预测药物标结合亲和力对于高效的发现至关重要.
• 绝对结合自由能量 (ABFE) 计算的in silico方法可以通过优先考虑候选药物来加速药物开发.
• 复杂的计算工作流程的自动化是必要的,以提高可访问性和减少用户的努力.

研究的目的:

• 引入FEP-SPell-ABFE,这是一个开源的Python工作流程,用于自动化绝对约束的自由能量 (ABFE) 计算.
• 提供一个用户友好的工具,需要最小的输入来预测药物标结合亲和关系.
• 促进在药物开发的早期阶段对候选药物的排名和优先考虑.

主要方法:

• 在FEP-SPell-ABFE工作流中,使用分子动力学模拟来自动化ABFE计算.
• 输入要求包括受体蛋白结构 (PDB),候选配体 (SDF) 和配置文件 (config.yaml).
• 工作流使用SLURM执行任务和资源管理,输出具有结合自由能量 (CSV) 的联体的排序列表.

主要成果:

• 在FEP-SPell-ABFE工作流程成功地自动化ABFE预测与最小的用户输入.
• 工作流生成了基于其预测的结合自由能量的联体的排名列表.
• 使用基准系统进行了验证,并提供了一个使用示例.

结论:

• 在药物发现中,FEP-SPell-ABFE提供了一个自动化和可访问的解决方案,用于in silico ABFE预测.
• 工作流简化了对候选药物的排名和优先级的流程,有助于发现.
• 开源性质和GitHub上的公共可用性促进了更广泛的采用和进一步开发.