基于药效团模型和分子对接对纺锤体驱动蛋白(KSP)抑制剂的研究

摘要:本文通过DS中的药效团模型和分子对接方法对Maybridge和ChemBridge中的分子进行筛选,最终得到了两个潜在分子MB-41570和CB-10358并通过体外KSP ATPase抑制实验进行了验证。

药效团模型(Pharmacophore):是指药物活性分子中对活性起着重要作用的“药效特征元素”及其空间排列形式,可以认为是大量活性化合物共同的成药特征。基于药效团模型,科研人员可以进行快速的药物虚拟筛选工作,寻找结构新颖的活性分子;也可以解释化合物的构效关系,进行化合物的结构优化与改造;此外,还可以进行化合物靶标的识别,实现反向找靶。Discovery Studio中的Catalyst模块,是经典的药效团模型生成、验证及虚拟筛选的工具,可以基于配体、受体以及复合物结构进行定量、定性的药效团模型研究

子对接(molecular docking是基于结构药物设计的核心模拟手段,依据受体与配体作用时的几何匹配和能量匹配过程,模拟受体-配体相互作用,预测两者间最佳的结合模式和结合亲和力。采用分子对接模拟技术

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
睡眠纺锤波是一种特殊的脑电波,是人类在睡眠过程中出现的一种短时高振幅的同步化放电现象,常见于非快速眼动期,是标志性的睡眠生理现象之一。因此,对于睡眠纺锤波的自动检测算法的研究具有重要意义。 基于ar模型的睡眠纺锤波自动检测算法,是指使用自回归模型对脑电信号进行处理,通过分析时间序列数据,识别出睡眠纺锤波的出现情况。该算法主要包括三个步骤:预处理、特征提取和分类器构建。 预处理阶段,对原始脑电信号进行去噪、数据归一化和滤波等处理,以提高信号质量和减少干扰。在特征提取阶段,采用自回归模型对信号进行建模,并提取模型的特征参数,如谱峰位置、谱带宽等关键信息。最后,在分类器构建阶段,使用支持向量机等机器学习算法对提取的特征参数进行分类,以准确识别睡眠纺锤波。 与其他算法相比,基于ar模型的睡眠纺锤波自动检测算法具有以下优点:1)能够自动检测睡眠纺锤波的出现情况,无需人工干预;2)能够准确识别睡眠纺锤波特征参数,并提高信号的识别准确度;3)算法简单易实现,具有很高的实用价值。 总之,基于ar模型的睡眠纺锤波自动检测算法是一种非常有前景的研究方向。未来的研究可以继续优化算法,提高其识别准确度和稳定性,以更好地应用于临床诊断和治疗等领域。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值