FLARE V3特性预告：新技术与性能提升
本文预告了Flare V3的部分新功能与性能改进。自由能微扰(FEP)计算相对结合自由能是该版本的最大亮点，已经用多种数据完成了内部验证。与Schrodinger的FEP+相比性能相当，而优于AMBER/TI；此外，模板对接(Template Docking)改善了同系物分子对接的性能。
Tag Archives: FLARE
QSAR Models
本文总结了Forge的QSAR建模的方法：定量与定性的方法。其中定量的方法包括：Field QSAR，机器学习方法；定性方法包括：Activity Atlas与Activity Miner。Field QSAR、Activity Atlas与Activity Miner可以建立解释性模型，用于指导分子设计；而机器学习方法仅是预测模型、不能指导分子设计。此外，机器学习模型不仅可以用来建立回归预测模型，还可以采用分级数据建立分类预测模型。
FieldTemplater
FieldTemplater药效团识别的假设是：两个分子以相似的结合模式（相互作用方式）结合到蛋白的同一个结合位点，因此化合物应该有高度相似的场点模式。FieldTemplater因此遍历一组配体的构象空间、并识别其公共场模式。多个结构多样化合物的场模式很可能就解释了这些化合物与靶标的结合模式。
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。
