Author Archives: info@molcalx.com

Alex等人的深度学习药物设计流程

用SPARK基团替换策略重现深度学习DDR1抑制剂的发现

本文以DDR1抑制剂Ponatinib为起始化合物,用SPARK对其进行了基团替换计算实验。结果表明,SPARK在不到10分钟的时间内完成了计算,不仅获得了Alex等人采用深度学习生成化合物1的甲基哌嗪衍生物,而且该类化合物被SPARK打分后排序靠前(排名第一)。这说明SPARK比起深度学习在使用上可以更加简单、直接地获得目标化合物。

Read More

连接臂的设计

SPARK案例 | 拜尔发现通过干扰RAS-SOS1相互作用能够阻断RAS激活的SOS1抑制剂

本文分享了拜尔公司科研人员用SPARK发现高效、选择性的SOS1抑制剂的研究过程:首先用片段筛选与高通量筛选发现了与SOS1结合的片段F1与化合物17;发现它们分别结合于SOS1的子结合口袋与主结合口袋;F1与17有部分重合,删除该重合后用Spark合理地设计了连接F1与17的连接臂;最后发现了化合物BAY-293,是一种KRAS-SOS1相互作用强效、选择性的抑制剂。

Read More

Duvelisib与PI3Kγ的相互作用

OpenEye案例 | 和记黄埔与强生发现、优化强效、高选择性PI3Kgamma/delta双重抑制剂

喹唑啉酮是选择性PI3K-gamma与delta抑制剂的公共片段,在本研究中作者开发了一种电子密度模型,用片段替换软件BROOD成功地识别出喹唑啉酮的新型替代物吡咯并三嗪酮。在分子对接的指导下,使用新的环状连接臂将该新型特异性片段与抑制剂的铰链结合区连接。进一步针对铰链区进行了SAR优化发现了候选化合物26,它是一种高效、选择性的PI3Kγ/PI3Kδ双重抑制剂,在临床前物种中具有有利的DMPK特性。

Read More

EcR受体虚拟筛选

OpenEye案例 | FreeForm改善MM/PBSA的结合自由能预测

在本研究中,作者用MM/PBSA方法预测配体的EcR结合活性。作者首先使用40个已知的EcR配体进行了验证研究,结果表明:当引入配体的构象自由能项时,MM/PBSA令人满意地预测了结合活性。 随后,将该MM/PBSA方法应用于基于结构的虚拟筛选。从380万化合物的数据库中挑出12个化合物,其中5个化合物在基于细胞的竞争性结合测试中具有活性。

Read More

苯丙氨酸类

PickR用于氨基酸侧链的设计

PickR最早由诺华与Cresset合作开发挑选DNA编码库(DEL)的构建块(Building Block,BB)而设计的。PickR将Novartis的方法规范化为一个新的计算工具。用于选择结构多样的试剂并合并到化合物库中。与其他方法不同,PickR使用分子的静电和形状性质来生成描述符矩阵作为结构多样性选择的基础。在过去几年中,PickR方法广泛地应用于多种类型的化合物库设计,并赢得了良好声誉。本文提供了一个用PickR设计多样氨基酸侧链库的算例以展示PickR的性能。

Read More

化合物3、4叠合到4Z3V

比较BTK抑制剂的配体与蛋白静电势

Flare是Cresset的基于结构药物设计软件,在本文中它内置的蛋白相互作用势分析方法用于计算BTK激酶活性位点里精细的静电特征。相互作用势图用于比较几个精选的BTK配体以详尽地了解配体结合的构效关系(SAR)。FLARE里的3D-RISM分析也用来研究了BTK活性位点里结晶水分子的分布稳定性。

Read More