搜索
您的当前位置:首页正文

SwissSimilarity:基于配体的虚拟筛选在线服务器

来源:二三娱乐

主要的用途我觉得包含几个方面,1)一个是比如有一个小分子,需要找寻它潜在的靶标位点,作为一个找靶。2)另外一个是你有一个已知的靶点小分子,但是它的性能可能不好,你需要对其母环改造,那么可以进行骨架跃迁。3)还有一个应用就是你有一系列已知作用靶标的化合物,想找类似物进行合成优化,那么也可以进行LBVS进行初筛。当然限于我的知识面的原因,可能还有其他许多应用欢迎小伙伴们提出。

虚拟筛选(Virtual screening, VS)一般可以分为受体基础(RBVS)和配体基础(LBVS)两种方法,其中RBVS又可以称做结构为基础的虚拟筛选(SBVS),通常是对目标大分子进行对接筛选。LBVS则是通过分子相似性来和已知活性化合物相互比较。

分子描述方法简介

筛选数据库简介

SwissSimilarity包含许多小分子数据库,以下:
1)药物数据库,包含FDA批准的(1500),实验和在研的(4800,500),偏僻的(160),不正规的(illicit)(170)和营养品分子(78)
2)生物活性分子数据库,包括PDB(19500),高亲和力ChEBI数据库(28 000),来自ChEMBL和GLASS的酶和GPCR抑制剂数据库(480 000),生物代谢数据库HMDB(39 000)
3)ZINC 数据库 drug-like,lead-like 和 fragment-like (10 600 000, 4300 000,700 000),可以在供应商买到的(9700 000)
4)可合成的虚拟库(205万)

由于计算量的问题,有一些方法只适用于小的库,具体可以查看界面。

可用的筛选方法

其实上面已经介绍了,这里初略说一下:

  1. 2D相似性,基于相似结构的FP2分子印迹
  2. 3D相似性
    Electroshape-5D和Spectrophore(见上文)
    Shape-IT和Align-IT分别基于3D形状和药效团
    其中还有一个combined score,其英文的解释如下:
In additioni to the score of the above mentioned methods, it is possible to make a consensus 2D/3D screening using a score based on both FP2 Tanimoto coefficient (s1) and Electroshape-5D Manhattan distance (s2). This combined score f(s1,s2) was developed for reverse screening using our SwissTargetPrediction web interface.

It was obtained by logistic regression using f(s1,s2)=(1+exp(-a0-a1s1-a2s2))-1, where a0, a1 and a2 are parameters learned by the model to predict possible protein targets for a small molecule based on molecular similarity to known bioactive compounds. f(s1,s2) ranges from 0 for totally dissimilar molecules to 1 for perfectly identical molecules. This combined score was found to perform significantly better for drug-like molecules than the similarity assessed by FP2 or Electroshape-5D separatly.

大致的意思是FP2和Electroshape-5D两种评分系统用逻辑回归拟合而成。

数据库使用

数据库的使用方法非常傻瓜

SwissSimilarity-Input.jpg

仅仅需要绘画或者输入SMILE选择要测的数据库提交

SwissSimilarity-Output.jpg

得出的配体按照打分排列,值为1为最相似,同时还整合了新虚拟筛选,靶标预测,ADME预测和获取SMILES功能

更多原创精彩视频敬请关注生信杂谈:

Top