- 博客(6)
- 收藏
- 关注
RSS订阅原创 模板的选择和结合部位可塑性处理对GPCRs虚拟筛选性能影响
今天要分享的是一篇蛋白质同源建模(MODELLER同源建模)与虚拟筛选相关的文献——《Performance of virtual screening against GPCR homology models: Impact of template selection and treatment of binding site plasticity》发表在PLOS COMPUTATIONAL BIOLOGY期刊上. 文献链接:https://doi.org/10.1371/journal.pcbi.10.
2020-11-23 20:42:03
858
2
原创 基于GPCRs结构的Ballesteros-Harel Weinstein编号方案以及受体Binding Site（BS）介绍（附Pearson’s correlation coefficient）
G蛋白偶联受体(GPCRs)是完整的膜蛋白，代表一类重要的药物靶点。特别是胺能（aminergic）GPCRs与目前市场上很大一部分药物相互作用。所以在药物虚拟筛选中，基于GPCRs受体结构进行药物筛选是常用手段。42种胺能受体中8种结构已解析， [the β1- and β2-adrenergic receptors (β1AR and β2AR), dopamine D3 receptor (D3R), histamine H1 receptor (H1R), serotonin 1B and 2B r
2020-10-16 21:52:39
3417
1
原创 多序列比对算法MAFFT以及HMMER和profile文件的使用
MAFFT新版本7有几个特性，包括将未对齐的序列添加到现有的对齐中，调整核苷酸对齐的方向，约束对齐和并行处理，这些都是在之前的主要更新之后实现的。选择MAFFT多序列比对算法可能原因(优势)：１.在某些情况下，重要的生物学信息被包含在低质量的序列中。在这种情况下，首先选择高可靠的序列构建一个主干MSA，然后将其他的序列，包括低质量的序列加入到MSA中。因此，低质量序列对最终MSA的质量影响较小。MAFFT多序列比对算法的问题(劣势) :其子程序对profile比对时的不恰当应用, 包括两类做法:
2020-10-16 11:47:21
6726
转载 虚拟筛选及其方法学验证与ROC曲线python实现
前言分子对接代表的基于结构的虚拟筛选已成为基于结构药物设计的标准方法。下面是虚拟筛选的笔记。附注：主要从维基百科和百度百科的资料。虚拟筛选虚拟筛选(virtual screening，VS)也称计算机筛选，即在进行生物活性筛选之前，利用计算机上的分子对接软件模拟目标靶点与候选药物之间的相互作用，计算两者之间的亲和力大小，以降低实际筛选化合物数目，同时提高先导化合物发现效率。从原理上来讲，虚拟筛选可以分为两类，即基于受体的虚拟筛选和基于配体的虚拟筛选。基于受体的虚拟筛选从靶蛋白的三维结构出发，
2020-10-08 22:17:38
4663
4
原创 蛋白质同源建模的十个技巧
目录前言文章内容一、文章介绍1.目的2.背景二、十个建模技巧1.模板选择2.读入数据总结功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入前言博主是一位萌新，刚把脚踏进生物物理和生物信息这大门，本身没有坚实的生物基础，也没有专门去
2020-10-05 17:59:18
9870
10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人