专业学术报告

本文档描述了一种新的基于配体的虚拟筛选 (LBVS) 方法 - autodock-ss。作者来自爱丁堡大学的量子生物学、生物化学和生物技术研究所。这项研究于2024年4月在《化学信息与建模杂志》上发表。

研究背景: 虚拟筛选是药物发现早期一个重要的计算方法。相比于基于蛋白质结构的虚拟筛选，基于配体的虚拟筛选在目标蛋白结构未知时更有优势。但现有的基于配体的方法在考虑配体构象灵活性方面存在局限性。本研究针对这一问题，提出了autodock-ss方法。

方法: autodock-ss集成了基于配体的网格映射和基于GPU的autodock算法，开发了一种全新的三维LBVS工作流。与基于预先生成的构象库的方法不同，autodock-ss的内置构象搜索可以根据参考配体动态优化构象，从而提供更准确的相关配体构象。autodock-ss支持单一参考配体和多个参考配体两种模式，可以无缝考虑多个参考配体。

结果: 在DUD-E数据集上评估时，单一参考模式的autodock-ss优于其他9种3D LBVS方法，平均AUROC值为0.775，1%富集因子(EF1%)为25.72。多参考模式在DUD-E+数据集上的表现更出色，平均AUROC值为0.843，EF1%为34.59。这突出了autodock-ss在考虑配体构象灵活性的同时兼顾配体的形状、药效团和电势分布的能力，拓展了LBVS方法的应用潜力。

结论: autodock-ss是一种高效的基于配体的虚拟筛选方法，内置了配体构象采样功能，可用于大规模的虚拟筛选应用。其单一参考和多参考两种模式均展现了出色的性能，体现了其在计算药物发现中的广泛应用前景。

亮点: 1. 提出了一种新的基于配体的虚拟筛选方法autodock-ss，集成了基于配体的网格映射和基于GPU的autodock算法。 2. autodock-ss可根据参考配体动态优化配体构象，无需预先生成构象库，能更准确地考虑配体构象灵活性。 3. autodock-ss支持单一参考配体和多个参考配体两种模式，多参考模式在DUD-E+数据集上表现出色，平均AUROC值达0.843。 4. autodock-ss在DUD-E数据集筛选中优于9种主流3D LBVS方法，展现出其在计算药物发现中的应用潜力。

总之，autodock-ss是一种创新性的基于配体的虚拟筛选方法，通过内置的构象搜索和支持多参考配体模式，在保持计算速度的同时大幅提升了筛选的准确性和富集效果。这为计算药物发现开辟了新的前景。