使用对对共识方法识别有力的化合物
Marc Xu1,2, Chenyang Wu1,2, Shiyu Wang3
1Research Center for Computer-Aided Drug Discovery, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, Guangdong 518055, China.
Journal of chemical information and modeling
|May 14, 2025
概括
我们开发了一种新的双向共识得分 (PCS) 算法,以提高药物发现中的分子对接精度. 这种方法增强了强有力的候选药物的识别,如新型神经素1受体结合剂.
科学领域:
- 计算化学是一种计算化学.
- 药物的发现和开发.
- 结构生物学是结构生物学.
背景情况:
- 在化合物选严重依赖于分子对接,但传统的共识策略容易受到假阳性,因为得分功能的限制.
- 提高分子对接的准确性对于从大型化学库中识别高亲和度结合剂至关重要.
- G蛋白结合受体 (GPCR) 是关键的治疗点,需要有效的选方法.
研究的目的:
- 引入对对共识得分 (PCS) 算法,这是一种通过整合结构相似性来提高分子对接精度的新方法.
- 开发和验证使用PCS针对GPCR的共识对接协议.
- 识别神经素1受体 (NK1) 的新型,高强度的对抗性联结体.
主要方法:
- 开发了对对共识得分 (PCS) 算法,该算法通过整合结构相似性和惩罚不相似的姿势来评估预测的形状.
- 实施了使用PCS算法对G蛋白合受体 (GPCRs) 的共识对接协议.
- 针对神经素1受体 (NK1) 选了一个大型化合物库,以识别有力的对抗性联结体.
主要成果:
- 该PCS算法有效地集成结构相似性信息,以改善对接姿势的评估,克服传统评分功能的局限性.
- 使用PCS的共识对接协议成功地确定了几种高度强大的对神经素1受体 (NK1) 的对抗性联体,表现出十个皮科莫拉活性.
- 新发现的NK1结合剂具有与以前报告的配体不同的化学结构,提供了新的药理学特征.
结论:
- 配对共识得分 (PCS) 算法代表了药物发现分子对接的重大进步,提高了准确性并减少了假阳性.
- 开发的基于PCS的共识对接协议对于向GPCR是多功能且有效的,正如新型NK1配体的识别所证明的那样.
- 这项研究通过发现具有替代化学结构和药理特征的化合物,为开发具有独特疗效的药物开辟了新的途径.
