通过轮盘选择进行增强的普森抽样,用于选超大组合图书馆.
Hongtao Zhao1, Eva Nittinger2, Melissa A Yu3
1Medicinal Chemistry, Research and Early Development, Respiratory and Immunology (R&I), BioPharmaceuticals R&D, AstraZeneca, 43183, Gothenburg, Sweden. hongtao.zhao@astrazeneca.com.
Journal of cheminformatics
|October 14, 2025
概括
这项研究引入了一种探索广化学空间的新方法,通过平衡探索和开发来改善药物发现的化合物选择. 该方法提高了虚拟图书馆选的效率,用于识别有前途的药物候选者.
科学领域:
- 计算化学是一种计算化学.
- 药品化学 药品化学 是一个
- 药物发现 药物发现
背景情况:
- 探索广的化学空间对于识别新药候选药物至关重要.
- 目前用于从超大虚拟库中选择组合物的方法在效率方面面临挑战,特别是在成功扩展期间.
- 普森采样提供了一种概率方法来优化试剂空间中的搜索.
研究的目的:
- 解决化学空间探索现有概率性搜索方法的局限性.
- 开发一种改进的方法,从大型虚拟库中选择合适的组合.
- 为了平衡贪的搜索与多样性驱动的探索,以实现更有效的打击扩张.
主要方法:
- 介绍了一种轮盘选择方法.
- 整合热循环方法来平衡勘探战略.
- 使用109个查询与20个具有100万个化合物库的ROCS (化学结构的快速叠加) 库进行验证.
主要成果:
- 拟议方法在复杂的化学空间中导航的证明有效性.
- 在多样化和大规模的虚拟复合库中成功应用.
- 与标准方法相比,化合物选择效率提高.
结论:
- 轮盘轮和热循环方法的结合为有效的化学空间探索提供了一个强大的战略.
- 这种方法增强了对药物发现管道有前途的化合物的识别.
- 该方法为优化虚拟选中的击中扩展提供了一个有价值的工具.


