计算机社区对泛冠状病毒药物发现数据的盲目挑战
Hugo MacDermott-Opeskin1, Jenke Scheen1, Cas Wognum2,3
1Open Molecular Software Foundation, Davis, California 95618, United States.
Journal of chemical information and modeling
|February 26, 2026
概括
计算盲目的挑战通过评估预测分子强度和对冠状病毒的姿势的方法来加速药物发现. 这项研究对计算方法进行了基准评估,确定了未来研究的优势和缺陷.
科学领域:
- 药物发现 药物发现 药物发现
- 计算化学的计算化学
- 机器学习 机器学习
背景情况:
- 计算盲目的挑战对于公正的科学进步至关重要.
- 由人工智能驱动的结构支持的抗病毒平台发现联盟 (SAPCDC) 专注于泛冠状病毒抗病毒发现.
- 开放ADMET项目和极星平台促进了协作药物发现倡议.
研究的目的:
- 报告开放科学社区在计算药物发现中的盲目挑战的结果和见解.
- 评估用于预测生化功效和结晶学联结体对抗SARS-CoV-2和MERS-CoV的计算方法 Mpro.
- 为了评估多个ADMET (吸收,分布,新陈代谢,分泌,毒性) 试验的终点.
主要方法:
- 来自学术界和工业界的全球参与者开发和应用计算方法.
- 以前未披露的实验药物发现数据集作为基准.
- 提交的内容在多个任务和组合中进行了评估,建立了绩效排行榜.
- 进行了元分析,以评估方法的优缺点.
主要成果:
- 为各种计算任务建立了绩效排行榜.
- 确定了对方法论优势和常见陷的关键见解.
- 该研究为现实世界机器学习评估的最佳实践提供了基础.
结论:
- 这项挑战在药物发现中推进了可复制,可靠和高影响的计算方法.
- 研究了未来盲目的挑战设计和执行的最佳实践和陷.
- 像Polaris这样的下一代平台可以实现严格的挑战设计和社区参与.
