【AIDD】基于SMILES的高效大规模药物对接筛选打分方案+代码

wormhacker

已于 2023-07-01 20:56:47 修改

阅读量547

点赞数

文章标签： ai python 人工智能神经网络深度学习

于 2023-06-29 18:47:36 首次发布

本文链接：https://blog.csdn.net/wormhacker/article/details/131462156

版权

引言

这篇文章主要记录俺所作的计算生物学工具-基于SMILES表示法的高效大规模药物对接筛选打分器，以下简称SMILESDOCKING。这个工具可以进行大规模的药物分子-靶标多筛选，也可以为AIDD（基于人工智能的药物设计）提供参考特征。

SMILES表示

SMILES表示法是一种简洁的化学符号表示法，能够将化学结构转化成ASCII字符串。令人惊叹的是，通过这种简洁的表示法，我们能够轻松地将复杂的分子结构用一串字符来表达。这是一种简洁、高效且极具创新性的方式。利用这种方式表征药物小分子可以从中药代谢组、天然物质库等获取药物信息，然后生成三维结构，从而开展基于结构的药物-靶标相互作用预测。SMILES符号是“线性符号”之一，用于用单行文本表达化合物的结构。它是由David Weininger于1986年采用的，由Daylight Chemical Information Systems开发并共同创建。由于其简单性，它是使用最广泛的线性符号。

AIDD与SMILES

让我们来看看AIDD如何利用SMILES打开药物研发的新大门。当我们在对接和筛选大量药物分子时，我们需要一种快速且精确的方法来评估它们与目标蛋白的亲和力。这是一个极具挑战性的问题，因为我们要处理的数据量是巨大的。在这里，SMILES表示法的优势就显现出来了。通过将分子结构转化为简洁的字符串，我们可以大大减少数据的复杂性。

药物研发是一个漫长且昂贵的过程，通常需要数年时间和数亿美元的投入。通过使用大规模药物筛选，我们可以在很短的时间内快速筛选出有潜力的候选药物，并专注于那些最有可能成功的方案。这不仅可以节省时间和金钱，而且可以加速药物的研发进程，为全人类带来福音。