Schrodinger 分子形状筛选工具Shape Screen 使用方法

Shapescreen是一种利用参考分子和分子库进行形状相似度评估的工具,支持多种打分类型,如药效团重叠、原子类型重叠和无类型原子重叠。通过设置,可以生成构象、过滤相似度、排序输出,适用于药物筛选和分子设计。

schrodinger的shape screen方法是一种基于ligand的筛选方法。需要提供一个参考分子,和需要筛选的分子库。shape screen可以根据原子类型、药效团对分子的形状相似度进行打分。

shape screen面板

shape screen面板如下:

1. 参考分子来源,可以是文件,也可以是当前工作面板的分子;

2:筛选分子的库来源;

3:打分类型,可以指定原子,药效团,也可以是原子位置;

4:打分过程的更多设置,包括构象,排序等;

5:任务名称;

更多设置面板

更多设置面板如下:

Generate conformers选项:选中则先进行ConfGenX构象生成;其中,Target number of conformers为每个分子最多生成构想数量;

Filter out ligands with similarity below:过滤掉与参考分子相似度低与指定值的分子;

Score in place: 选中则不进行分子align(包括平移和旋转),直接计算相似度;

Sort output structures by decreasing similarity:输出的结果按照相似度下降进行排序;

Similarity normalization:相似度打分归一化方法,最大值,最小值,参考分子,筛选分子;

关于打分,shape screen 方法提供了Typed pharmacophoreTyped atomsTyped atoms三种方法。

Typed pharmacophore将每一个结构当作是药效团的集合,计算的是相同药效团之间重叠的程度,每一个药效团的大小是2A。

Typed atoms将接结构当作是原子的集合,原子的体积由范德华半径定义,然后计算相同原子类型之间的重合程度,使用的是MacroModel atom 原子类型。

Untyped atoms将结构看作是原子的集合,空间大小是范德华半径定义,但是在叠合的时候不守原子类型的限制。

运行以后,结果保存在shape sim列中。

结果示例

在Typed pharmacophore打分模式下,

结果打分为:0.517

结果打分为:0.411

结果打分为:0.311

药效团相似度相差0.1以上就有明显的差距了,然后相似度再0.5以上可以认为相似,但是完全叠合可能需要在0.8以上,根据具体项目需要具体的值。

使用薛定谔软件对大量分子进行虚拟筛选可按以下步骤进行: ### 配体和受体结构准备 若需对接的小分子为 1D 或 2D 结构,要先将其转换为三维结构,并进行加氢、加电荷、生成分子构象等标准化处理,可使用 Schrodinger 软件包中的小分子处理工具 LigPrep 来处理小分子。在正常准备蛋白的步骤中,若弹出蛋白质中一些位置可变的残基,选中任意一种残基,点击 next position 会展现出这个残基可能的其他构象,点击 commit 即选定这个位置,表格中的数字表示这种位置的残基可能的概率大小,当所有残基都 commit 后,再点击 update,将选定的这一组氨基酸的定位给固定下来(对于不在活性口袋的可变残基可忽略其可变的位置) [^3][^4]。 ### 构建药效团模型 - **基于多配体共同特征构建**:分析多个配体的共同特征,以此为基础构建药效团。这需要对配体的化学结构、活性等信息进行综合考量,找出它们之间的共性特征用于构建药效团模型。 - **基于蛋白 - 配体复合物构建**:利用已知的蛋白 - 配体复合物结构,提取其中的关键相互作用信息,如氢键、疏水作用等,进而构建药效团。这种方法能够更准确地反映配体与受体之间的相互作用模式。还可以根据研究需求对构建好的药效团进行特征修饰,例如调整药效团特征的类型、位置、权重等,以优化药效团模型,使其更符合实际的分子相互作用情况 [^1]。 ### 药效团模型评估 对构建好的药效团进行富集分析,评估其在已知活性分子和随机分子中的区分能力。通过富集分析可以判断药效团的质量和有效性,为后续的虚拟筛选提供参考 [^1]。 ### 虚拟筛选 - **基于药效团筛选**:使用构建好的药效团对小分子数据库进行虚拟筛选,找出与药效团匹配的小分子。选择配体分子来源,可以是来自导入软件 workplace 中的分子也可以是直接从本地文件直接读入。如果选择了 Phase database,则需要在下方的框内点击 add database,在这里添加要筛选的配体。此栏信息规定了小分子和模型的匹配度,如可以改为 3 of 4,意思是此药效团总共有 4 个特征元素,筛选的配体分子只要满足其中三个元素就可以被保留下来。还可进行关于筛选过程更多设置 [^2]。 - **基于分子对接筛选**:若靶点蛋白已知,可将数据库里的每一个化合物对接至蛋白的结合口袋,经过对接评估和后续的其他评价之后,筛选出可以与蛋白结合的先导化合物 [^1]。 ### 筛选结果分析 对虚拟筛选得到的结果进行分析,包括筛选出的小分子的结构特征、活性预测等。结合实例进行讲解和练习,例如基于药效团的 Bcr/Abl 抑制剂虚拟筛选。 以下是一个简单的伪代码示例,模拟使用薛定谔软件进行虚拟筛选的流程: ```python def prepare_ligands_and_receptor(ligands, receptor): # 配体和受体结构准备 processed_ligands = [] for ligand in ligands: processed_ligand = LigPrep(ligand) processed_ligands.append(processed_ligand) processed_receptor = prepare_receptor(receptor) return processed_ligands, processed_receptor def build_and_evaluate_pharmacophore(ligands, receptor): # 构建和评估药效团 pharmacophore = build_pharmacophore(ligands, receptor) evaluation_result = evaluate_pharmacophore(pharmacophore) return pharmacophore, evaluation_result def virtual_screening(pharmacophore, ligands): # 基于药效团的虚拟筛选 screened_ligands = [] for ligand in ligands: if match_pharmacophore(ligand, pharmacophore): screened_ligands.append(ligand) return screened_ligands def docking_screening(receptor, ligands): # 基于分子对接的虚拟筛选 docked_ligands = [] for ligand in ligands: docking_score = dock(ligand, receptor) if docking_score > threshold: docked_ligands.append(ligand) return docked_ligands # 示例数据 ligands = ["ligand1", "ligand2", "ligand3"] receptor = "protein_receptor" # 执行流程 processed_ligands, processed_receptor = prepare_ligands_and_receptor(ligands, receptor) pharmacophore, evaluation_result = build_and_evaluate_pharmacophore(processed_ligands, processed_receptor) pharmacophore_screened = virtual_screening(pharmacophore, processed_ligands) docking_screened = docking_screening(processed_receptor, processed_ligands) final_screened = list(set(pharmacophore_screened + docking_screened)) print(final_screened) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

DrugAutoPilot

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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