计算钓靶的工具及应用.doc

导语 相反地，反向筛选是确定搜索分这种方法能够预测搜索分子的生物 相反地，反向筛选是确定搜索分 这种方法能够预测搜索分子的生物 子最可能的靶标，反向筛选也称计算钓靶或逆向药理学。 检测药物多药理或药物活性或其作用机制。此外，这些技术可用于预测化合物的不良反应、 重新定位。 检测药物多药理或药物 已知的药物平均有六种分子靶标,proteins J它们具有活性。多药理学和小分子与多种蛋白质相互作用 已知的药物平均有六种分子靶标, proteins J 它们具有活性。多药理学和小分子与多种蛋白质相互作用 Drug repositio ning Mechanism of side effects Reveal mode of action for known effects 药物重新定位，发现已知的能力，对于合理设计更有效和更低毒性的药物是特别有意义的。 药物重新定位，发现已知 药物的新用途的过程，是探索替代适应症的有潜力的方法。 钓靶的计算工具 分子相似性 此方法基靶标预测最简单的方法是基于化学相似性和使用数百万个小分子的生物活性数据。 此方法基 于化学相似性原理汀,指出相似的分子可能具有相似的性质。因此，可以通过确定与查询 分子高度相似的已知配体的蛋白来预测分子的靶标。 此方法的优点是它们只需要计算化合物 之间的相似性。 Annorateddai abase ? 100110011014, Cheminiii stnuctune fingerprint Target Prediciion 数据挖掘和机器学习 Contains nAfrcu 呛 ofknownbioactivides Statistics AIMachineLearning Data Mining DatabaseDW 计算钓靶方法的主要挑战之一是确定搜索分子与其预测靶标结合的生物学结果。 因此，开发 了更为复杂的方法。数据挖掘和基于机器学习的方法，也称为化学基因组学方法，通常结合 指纹和某些类型的机器 学习方法开发预测模型， 通过机器学习自动提取目标名称和化学子结 构之间的关联。然后以多靶标模型的形式存储与特定靶标结合的相关化学特征。 基于蛋白结构的方法 dockingIshrormatioriTargets databasev —Gon se nstiSHTevere?do? King dockingIshrormatiori Targets database v — Gon se nstiSHTevere?do? King 这些方法仅限于具有可以使用药效团搜索或蛋白?配体相互作用指纹进行化合物靶标预测。 这些方法仅限于具有 解析结构的靶标。将搜索分子与大量 X射线分辨结构对接需要较大的计算能力或非常大的 时间量。已经开发了用于钓靶的一些对接程序和服务器，称为反向对接方法。 研究案例 用。辣椒素已被用作传统医学治疗肌肉疼痛和头痛，改善循环，消除肠道保护作用，并对抗许多类型的癌症。它通 常被添加到草药制剂中，因为它作为其他草药的催化剂并且有助于它们的吸收。结果，辣椒素已经成为令人兴奋的 药理学药剂， 并且正在探索其在不同临床条件 下的应用。然而，辣椒素治疗作用的机制尚不清楚。 靶点钓鱼或靶标确证是现代药物开发中重要的一步， 通过鉴定其相互作用蛋白来探索生物活 性小分子的作用机制。近年来，已经开发了大量的计算目标捕捞方法。 反向对接代表了一种 有用的工具，其涉及将小分子药物/配体对接到一组临床相关大分子靶标的潜在结合腔中。基于其与药物/配体的结 合亲和力鉴定顶级靶标可能与药物重新定位和 /或挽救有关。 本研究通过反向对接预测辣椒素的潜在目标，并通过化学蛋白质相互作用（ CPI ）和分子对 接进行确认。本研究描述了计算药物重新定位方法，并探讨了其阐明天然化合物作用机制的潜力。 靶点预测 使用基于药效团映射方法的潜在药物靶标识别服务器 PharmMappero PharmMapper自动搜索 分子对PharmTargetDB中所有药效团模型的最佳映射姿态， 并列出了具有适当靶标注释的前 N个最佳拟合匹配的靶标及相应的排列顺序。 Tup tseu jK kudal whit*d tw Phiiflu.Mapi.-wl. kink PDEHD Ndme L 1BNV .arA.-ilCuAJusi 2 “油J 1 g 472” ChiuiiK uhsIriK Uvi r alimit 诅d 1 讥-吕乂 3 liw | Carbonic AjiEydrast 2 4沟| ALiti5MiL21 Tensive oslwpetrosi j hpe 3 4 5P21 llkjs 1447 Lcstetk) syn Jo 血心 cauicer 2 LBOF