2020-Journal of Cheminformatics-AutoGrow4: An open-source genetic algorithm for de novo drug design and lead optimization
🍓 泛读笔记 📍 2020-Journal of Cheminformatics-AutoGrow4:一种用于新药设计和先导物优化的开源遗传算法
💡 Meta Data
Title | 2020-Journal of Cheminformatics-AutoGrow4- An open-source genetic algorithm for de novo drug design and lead optimization |
---|---|
Journal | Journal of Cheminformatics |
Authors | Jacob O. Spiegel; Jacob D. Durrant |
Pub. date | 12/2020 |
DOI |
Paper:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7165399/
Code:https://durrantlab.pitt.edu/autogrow4/
📊 摘要
AutoGrow4是一个开源程序,用于半自动计算机辅助药物发现。它使用遗传算法按需进化预测配体,不限于预先列举的化合物库,可以生成全新类药分子和优化现有配体。AutoGrow4利用最新的计算和化学信息学进展,比以前的版本更快、更稳定、更模块化。它包括新的对接程序兼容性、化学过滤器、多线程选项和选择方法,以满足广泛的用户需求。为了说明从头设计和先导化合物优化的能力,AutoGrow4在聚(ADP-核糖)聚合酶1(PARP-1)的催化域上进行了应用。PARP-1是一种用于识别DNA损伤的良好表征蛋白。与FDA批准的PARP-1抑制剂(阳性对照)相比,由AutoGrow4生成的类药化合物具有更好的预测结合亲和力。即使AutoGrow4以随机小分子作为起始点,它生成的化合物的预测结合模式也与已知抑制剂的结合模式相似。
🚩 结论
总结来说,AutoGrow4是一款功能强大的开源程序,用于命中发现和先导化合物优化。它通过假设生成的方法帮助缩小化合物范围,并提供给专家用户进行解释和验证。
❓是否需要精读
该文献提供了一个案例,有助于我们通过案例来熟悉Autogrow4 Api的使用,值得精读。