CN109637596B - 一种药物靶点预测方法 - Google Patents
一种药物靶点预测方法 Download PDFInfo
- Publication number
- CN109637596B CN109637596B CN201811554735.3A CN201811554735A CN109637596B CN 109637596 B CN109637596 B CN 109637596B CN 201811554735 A CN201811554735 A CN 201811554735A CN 109637596 B CN109637596 B CN 109637596B
- Authority
- CN
- China
- Prior art keywords
- predicted
- dimensional conformation
- dimensional
- molecule
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种药物靶点预测方法,S1:建立数据库,并将药物靶点与其对应的配体的数据存储在数据库中;S2:根据分子力场对步骤S1中配体的分子结构生成三维构象;S3:编辑待预测分子的化学结构;S4:根据与步骤S2对应的分子力场对步骤S3待预测分子生成三维构象;S5:将待预测分子的三维构象与数据库中的配体的分子结构的三维构象进行分析;S6:根据分析结果计算匹配度。利用分子力场生成的三维构象,对待预测分子的化学结构以及数据库中的配体分子的化学结构进行多方面结合后再进行比对,从而进行靶点药物进行对应,三维构象参数对待预测分子和配体分子进行精准表征,所得预测结果准确性高。
Description
技术领域
本发明涉及化合物的特定治疗活性预测,更具体地说,涉及一种药物靶点预测方法。
背景技术
靶点预测是对采用一定计算方法,对化合物的潜在作用靶点或药理作用进行预测。传统方法包括基于方向对接的方法和基于分子指纹计算相似度的方法。反向对接技术依赖蛋白的晶体结构,并且由于打分函数的不准确,目前预测准确性较低,基于分子指纹的相似度方法由于运算速度快应用较广泛,但是由于基于分子指纹相似度的方法只考虑到拓扑结构,忽略的三维性质,因此准确性有待提高。因此,亟需一种准确性高的药物靶点预测方法。
发明内容
针对现有技术的上述缺陷,基于相似的分子可能具有相似活性,即可能具有相似的靶点,本发明的目的在于提供一种准确性高的药物靶点预测方法。
为实现上述目的,本发明所采用的技术方案如下:
一种药物靶点预测方法,包括以下步骤,
S1:建立数据库,并将药物靶点与其对应的配体的数据存储在数据库中;
S2:根据分子力场对步骤S1中配体的分子结构生成三维构象;
S3:编辑待预测分子的化学结构;
S4:根据与步骤S2对应的分子力场对步骤S3待预测分子生成三维构象;
S5:将待预测分子的三维构象与数据库中的配体的分子结构的三维构象进行分析;
S6:根据分析结果计算匹配度,将数据库中匹配度超过预设阈值的配体对应的药物靶点的数据输出,得到待预测分子的药物靶点列表。
优选的,步骤S2和S4中的分子力场包括键伸缩能、键角弯曲能、二面角扭曲能、范德华力和静电相互作用。
优选的,步骤S5中进行三维构象比对的时,利用高斯函数对待预测分子的分子形状进行表达。
优选的,采用Golang语言,将待预测分子的三维构象与配体分子结构的三维构象进行形状的匹配。
优选的,步骤S5中进行三维构象比对时,采用三维坐标对比和二维坐标比对中的至少一种。
优选的,采用二维坐标比对和三维构象比对时的预设阈值相对独立设置。
优选的,采用聚合排序算法对步骤S6中对应药物靶点的数据进行排序。
优选的,聚合排序算法综合考虑相似分子的数目及其匹配度。
优选的,步骤S3中通过ipmDraw绘制单元或文件上传单元编辑待预测分子的化学结构,文件上传单元支持cdx、mol、sdf和smiles中的至少一种格式的文件上传。
相比现有技术,本发明具有以下有益效果:
1.本发明的药物靶点预测方法利用分子力场生成的三维构象,具体为键伸缩能、键角弯曲能、二面角扭曲能、范德华力和静电相互作用对应的三维构象,对待预测分子的化学结构以及数据库中的配体分子的化学结构进行多方面结合后再进行比对,从而进行靶点药物进行对应,三维构象参数对待预测分子和配体分子进行精准表征,从而实现对药物靶点的精准预测。
2.本发明的药物靶点预测方法在进行三维构象比对时,综合高斯函数进行表达的分子形状进行分析,分析结果精准。
3.采用Golang语言多线并发运算,预测快速。
下面,结合具体实施方式,对本发明做进一步描述。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“水平”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性;此外,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
一种药物靶点预测方法,包括以下步骤,
S1:建立数据库,并将药物靶点与其对应的配体的数据存储在数据库中;
S2:根据分子力场对步骤S1中配体的分子结构生成三维构象;
S3:编辑待预测分子的化学结构;
S4:根据与步骤S2对应的分子力场对步骤S3待预测分子生成三维构象;
S5:将待预测分子的三维构象与数据库中的配体的分子结构的三维构象进行分析;
S6:根据分析结果计算匹配度,将数据库中匹配度超过预设阈值的配体对应的药物靶点的数据输出,得到待预测分子的药物靶点列表。
工作原理:使用时,配体在分子力场中生成对应的三维构象;采用现有技术的力场函数进行分析,例如CFF力场,分子力场具体包括独立能量项的键伸缩能、键角弯曲能和二面角扭曲能、非键相互作用包括范德华力和静电相互作用,对待预测分子的化学结构以及数据库中的配体分子的化学结构进行多方面结合后再进行比对,从而进行靶点药物进行对应,三维构象参数对待预测分子和配体分子进行精准表征,所得预测结果准确性高。
步骤S5中进行三维构象比对的同时,利用高斯函数对待预测分子的分子形状进行表达,综合待预测分子的形状进行分析。
在进行三维构象比对时,利用高斯函数进行表达的分子形状进行分析,降低分析难度,分析结果精准。
采用Golang语言,将待预测分子的三维构象与配体分子结构的三维构象进行形状的匹配。
采用Golang语言多线并发运算,预测快速。
采用聚合排序算法对步骤S6中对应药物靶点的数据进行排序。
对药物靶点的数据进行排序,便于快速找到匹配度较高的配体对应的药物靶点。
聚合排序算法综合考虑相似分子的数目及其匹配度。
由于相似分子可能具有相似的活性,当分子中存在与配体相似和多个结构时,光从匹配度的数值分析难以体现这一情况,排序时综合考虑相似分子的数目及其匹配度,避免导致相似由于匹配度较低排序靠后被忽视。
步骤S3中通过ipmDraw绘制单元或文件上传单元编辑待预测分子的化学结构,文件上传单元支持cdx、mol、sdf和smiles中的至少一种格式的文件上传。
ipmDraw绘制单元为现有的在线结构式编辑器,cdx、mol、sdf和smiles为常用分子结构式绘制软件,便于将本发明药物靶点预测方法与现有的化学式编辑工具联用。
步骤S5中进行三维构象比对时,采用三维坐标对比和二维坐标比对中的至少一种。
三维构象一般进行分子的整体比对,二维坐标有利于分子结构里的部分结构进行比对,根据实际的比对需求选择对应的比对方法,两种比对方法联用有利于比对结构准确性的提高。
采用二维坐标比对和三维构象比对时的预设阈值相对独立设置。
对本领域的技术人员来说,可如以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (5)
1.一种药物靶点预测方法,其特征在于,包括以下步骤,
S1:建立数据库,并将药物靶点与其对应的配体的数据存储在数据库中;
S2:根据分子力场对步骤S1中所述配体的分子结构生成三维构象;
S3:编辑待预测分子的化学结构;
S4:根据与步骤S2对应的分子力场对步骤S3所述待预测分子生成三维构象;
S5:将待预测分子的三维构象与数据库中的所述配体的分子结构的三维构象进行分析;
S6:根据分析结果计算匹配度,将数据库中匹配度超过预设阈值的所述配体对应的药物靶点的数据输出,得到所述待预测分子的药物靶点列表;
步骤S2和S4中的所述分子力场包括键伸缩能、键角弯曲能、二面角扭曲能、范德华力和静电相互作用;
步骤S5中进行三维构象比对的时,利用高斯函数对所述待预测分子进行表达;采用Golang语言,将待预测分子的三维构象与所述配体分子结构的三维构象进行形状的匹配;
采用聚合排序算法对步骤S6中对应所述药物靶点的数据进行排序。
2.根据权利要求1所述的药物靶点预测方法,其特征在于,步骤S5中进行三维构象比对时,采用三维坐标对比和二维坐标比对中的至少一种。
3.根据权利要求2所述的药物靶点预测方法,其特征在于,采用二维坐标比对和三维构象比对时的预设阈值相对独立设置。
4.根据权利要求1所述的药物靶点预测方法,其特征在于,所述聚合排序算法综合考虑相似分子的数目及其匹配度。
5.根据权利要求1所述的药物靶点预测方法,其特征在于,步骤S3中通过ipmDraw绘制单元或文件上传单元编辑待预测分子的化学结构,所述文件上传单元支持cdx、mol、sdf和smiles中的至少一种格式的文件上传。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554735.3A CN109637596B (zh) | 2018-12-18 | 2018-12-18 | 一种药物靶点预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811554735.3A CN109637596B (zh) | 2018-12-18 | 2018-12-18 | 一种药物靶点预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109637596A CN109637596A (zh) | 2019-04-16 |
CN109637596B true CN109637596B (zh) | 2023-05-16 |
Family
ID=66075259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811554735.3A Active CN109637596B (zh) | 2018-12-18 | 2018-12-18 | 一种药物靶点预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109637596B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706756B (zh) * | 2019-09-03 | 2023-06-27 | 兰州大学 | 一种基于人工智能进行靶向受体的3d药物设计方法 |
CN111243668B (zh) * | 2020-04-09 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 分子结合位点检测方法、装置、电子设备及存储介质 |
CN112133367A (zh) * | 2020-08-17 | 2020-12-25 | 中南大学 | 药物与靶点间的相互作用关系预测方法及装置 |
CN112331273B (zh) * | 2020-10-28 | 2023-12-15 | 星药科技(北京)有限公司 | 一种基于多维度信息的药物小分子-蛋白靶点反应预测方法 |
CN114334037B (zh) * | 2021-12-23 | 2022-09-30 | 上海智药科技有限公司 | 分子对接的处理方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000037500A1 (en) * | 1998-12-18 | 2000-06-29 | Mount Sinai Hospital | Three dimensional structure of a sterile alpha motif domain |
CN107111691A (zh) * | 2014-10-27 | 2017-08-29 | 阿卜杜拉国王科技大学 | 识别配体‑蛋白质结合位点的方法和系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2294771A1 (en) * | 1997-07-03 | 1999-01-14 | Akiko Itai | Method for inferring protein functions with the use of ligand data base |
WO2001018627A2 (en) * | 1999-09-06 | 2001-03-15 | National University Of Singapore | Method and apparatus for computer automated detection of protein and nucleic acid targets of a chemical compound |
WO2001035316A2 (en) * | 1999-11-10 | 2001-05-17 | Structural Bioinformatics, Inc. | Computationally derived protein structures in pharmacogenomics |
CN102799779B (zh) * | 2012-07-16 | 2015-04-22 | 中山大学 | 一种药物分子形状的比较方法 |
CN102930152B (zh) * | 2012-10-26 | 2016-08-03 | 中国科学院上海药物研究所 | 一种模拟配体分子与靶标受体反应并计算预测该反应的热力学与动力学参数的方法和系统 |
CN107038348B (zh) * | 2017-05-04 | 2020-03-10 | 四川大学 | 基于蛋白-配体相互作用指纹图谱的药物靶标预测方法 |
-
2018
- 2018-12-18 CN CN201811554735.3A patent/CN109637596B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000037500A1 (en) * | 1998-12-18 | 2000-06-29 | Mount Sinai Hospital | Three dimensional structure of a sterile alpha motif domain |
CN107111691A (zh) * | 2014-10-27 | 2017-08-29 | 阿卜杜拉国王科技大学 | 识别配体‑蛋白质结合位点的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109637596A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109637596B (zh) | 一种药物靶点预测方法 | |
Wang et al. | Deep learning approaches for de novo drug design: An overview | |
Jain | Morphological similarity: a 3D molecular similarity method correlated with protein-ligand recognition | |
Fuller et al. | An improved model for fragment-based lead generation at AstraZeneca | |
CN109146159B (zh) | 一种机器人的配送方法及服务器 | |
Hindle et al. | Flexible docking under pharmacophore type constraints | |
US7720647B2 (en) | System and method for filtering a point cloud | |
Zhang et al. | Collision-free planning algorithm of motion path for the robot belt grinding system | |
CN105989249A (zh) | 用于组装基因组序列的方法、系统及装置 | |
Olson et al. | In search of the protein native state with a probabilistic sampling approach | |
Todd | A 25‐year review of sequential methodology in clinical studies | |
CN107066654B (zh) | 面向点云模型的包容盒面的轨迹控制点拾取方法和装置 | |
Olson et al. | Enhancing sampling of the conformational space near the protein native state | |
JP6560841B1 (ja) | 制御装置、作業ロボット、プログラム、及び、制御方法 | |
Stumpfe et al. | Monitoring global growth of activity cliff information over time and assessing activity cliff frequencies and distributions | |
CN116604212A (zh) | 一种基于面阵结构光的机器人焊缝识别方法和系统 | |
Raymond et al. | Conditional probability: a new fusion method for merging disparate virtual screening results | |
Shibberu et al. | Fast protein structure alignment | |
Borodin et al. | Two-step strategy for the search for ligands for target proteins. | |
CN108907453A (zh) | 一种具有自学习功能的激光加工分析装置和方法 | |
Zhou et al. | A posture adjustment optimization method of the laser inspection device for large complex surface parts | |
CN109637673A (zh) | 一种药物虚拟筛选方法 | |
Zhou et al. | Evaluation of Cutting Stability of a Natural-Rubber-Tapping Robot | |
Zhang et al. | Path planning of a 5-dof robotic arm based on BiRRT-APF algorithm considering obstacle avoidance | |
CN113077840B (zh) | 基于药效团与alpha-碳特征的金属酶活性位点对比方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |