滑动WS:对对接精度和虚拟选的方法和初始性能评估
Richard A Friesner1, Robert B Murphy2, Yuqi Zhang2
1Department of Chemistry, Columbia University, 3000 Broadway, MC 3110, New York, New York 10036, United States.
Journal of chemical theory and computation
|December 3, 2025
概括
一种新的虚拟查方法,Glide WS,通过准确预测连接体姿势和增强虚拟查丰富度来改善药物发现. 这种方法明确地模拟了水,从而在识别新药候选药物时获得更高的成功率.
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:
- 越来越多的人对用于药物发现的虚拟查感兴趣.
- 需要高性能方法来识别针对挑战性目标的新型命中.
- 在体位预测和虚拟查丰富方面,现有方法的局限性.
研究的目的:
- 介绍Glide WS,一种新的虚拟选方法.
- 通过结合明确的水表征来改进现有方法,如Glide SP.
- 提高姿势预测的准确性和用于药物发现的虚拟查丰富性.
主要方法:
- 开发了Glide WS,这是一个用于高通量对接的经验评分函数.
- 嵌入了水结构和动态的明确表示.
- 使用绝对约束自由能量扰动计算 (ABFEP) 调整了评分函数.
主要成果:
- 滑动WS实现了92%的自动对接精度,超过了滑动SP (85%).
- 在38个不同的目标中显著改善了虚拟查丰富度.
- 与Glide SP相比,根据ABFEP的验证,减少了得分差的诱数量.
结论:
- 滑动WS在姿势预测和虚拟查丰富方面提供了实质性的收益.
- 水的显式建模提高了用于药物发现的虚拟查的可靠性.
- 预计Glide WS将在实用的虚拟选应用中产生更高的命中率,而不是刚性受体对接.
更多相关视频
08:49Incorporating Target Protein Structure Flexibility and Dynamics in Computational Drug Discovery Using Ensemble-Based Docking Analysis
Published on: June 20, 2025
1.1K
10:29Quantitative Structure-Activity Relationship, Activity Prediction, and Molecular Dynamics of Non-nucleotide Reverse Transcriptase Inhibitors
Published on: May 9, 2025
2.1K
