靶标依赖的分子相似度算法以及在虚拟筛选中应用

  化学基因组学(Chemogenomics)的发展积累了大量小分子和大分子之间相互作用的数据,也推动了开源数据库如PubChem,ChEMBL, Zinc,BindingDB等的发展,合理挖掘利用这些大数据,可以提高虚拟筛选命中率,加速药物发现。化学相似度计算是基于配体的虚拟筛选重要方法。 传统相似度计算利用分子指纹的方法,默认每个指纹的权重是同等重要的。靶标依赖的分子相似度算法(TDMS: Target Dependent Molecular Similarity)利用自主开发的化学信息学平台,对ChEMBL数据库中靶向抑制剂信息进行挖掘。充分利用药物靶标的配体活性数据,针对特定靶标,找到每个指纹合适的权重,再利用Tanimoto公式计算分子之间的相似度。在建立的六个靶标基准测试体系中,发现靶标依赖的相似度算法较传统相似度算法具有优越性,能较好区分活性分子与非活性分子。







登录地址:http://www.rcdd.org.cn/tdms


  案例1:利用TDMS虚拟筛选醛糖还原酶抑制剂。

技术支持

联系电话:020-87568623-618 邮箱:lxn@gzbio.org

使用教程

用户使用相关的案例及教程

常见问题

系统使用碰到的常见问题

CopyRight 2015 广州生物工程中心  中山大学药物分子设计研究中心 All Rights Reserved.

10075578号-1

0.0193s