CN111161810B - 一种基于约束概率分布函数优化的自由能微扰方法 - Google Patents
一种基于约束概率分布函数优化的自由能微扰方法 Download PDFInfo
- Publication number
- CN111161810B CN111161810B CN201911412608.4A CN201911412608A CN111161810B CN 111161810 B CN111161810 B CN 111161810B CN 201911412608 A CN201911412608 A CN 201911412608A CN 111161810 B CN111161810 B CN 111161810B
- Authority
- CN
- China
- Prior art keywords
- probability distribution
- constraint
- free energy
- calculation
- delta
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
Landscapes
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Pharmacology & Pharmacy (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于约束概率分布函数优化的自由能微扰方法,包括:根据热力学循环构建自由能计算分子模拟窗口,自动化添加约束,对于每个窗口进行分子动力学模拟,统计得出相邻窗口之间的势能差,对于添加约束步骤的势能差统计得到概率分布,基于约束概率分布函数针对添加约束过程的概率分布的拟合,根据拟合后的概率分布重新生成势能差,最终统计得出药物‑靶标绝对结合自由能。本发明提供的自由能微扰方法,实现全自动得到添加约束所需的复合物拓扑文件,约束概率分布函数用于拟合实验中的概率分布,使FEP得到的约束窗口内的自由能变化自由值更精准,在保证计算精度的前提下,极大减少了约束步骤的窗口数,减少了计算量,提高了计算效率。
Description
技术领域
本发明涉及药物研发技术领域,更具体的,涉及一种基于约束概率分布函数优化的自由能微扰方法。
背景技术
计算药物小分子与靶标蛋白的结合能力一直是基于结构的药物设计的核心目的。一种能准确并快速预测药物-靶标结合能力的方法,可以高效经济地指导药物化学家对先导化合物的结构优化,进而大幅度降低新药研发的周期和成本。
迄今为止,有许多计算技术尝试估计或精准计算药物-靶标结合自由能的技术,包括如对接打分函数、基于隐性溶剂模型的MM/PBSA(分子力学/泊松玻尔兹曼表面)、MM/GBSA(分子力学/广义伯恩表面)等方法。但由于这些方法通常是基于实验数据,添加相应的经验常数,导致其计算结果与实际的实验数据相差较大。著名药物设计软件公司薛定谔Schrodinger发展了一套基于自由能微扰的相对结合自由能预测方法(J.Am.Chem.Soc.2015,137,2695-2703.)。然而该方法只能用于预测结构差异较小的同骨架化合物与靶标蛋白的的相对结合自由能变化(差异需小于10个原子)。
适用于薛定谔公司的相对结合自由能计算方法的计算体系中药物小分子间的结构差异较小(差异小于10个原子),不同小分子在自由能微扰过程中产生的误差相差较小。但当配体小分子的结构差异性较大时,差异性大的小分子在自由能微扰过程中产生的误差较大,会导致计算结果收敛性变差,不能准确预测不同骨架结构的药物分子与靶标蛋白结合能力。Martin Karplus提出新的热力学循环(J.Phys.Chem.B 2003,107,9535-9551),通过引入配体与受体之间的约束步骤,约束小分子与靶标蛋白的相对位置,提高自由能微扰计算方法的收敛性。加入约束步骤后的完整热力学循环如图2。图中Rec代表标靶受体;Lig代表药物小分子配体;Dumm代表虚原子,所有的虚原子与周围的环境没有任何的相互作用;Restrain代表对药物小分子施加简谐势约束。表示将溶液中药物小分子全部微扰至湮灭状态的能量;表示将药物-靶标复合物中药物小分子全部微扰至湮灭状态的能量;表示对药物-靶标复合物中药物小分子添加简谐势约束的能量变化,表示对溶液中的药物小分子添加相应约束的能量变化。其中,湮灭状态定义为药物小分子的电荷以及范德华力L-J势能为0,周围原子无法感知到药物小分子的存在。
发明内容
本发明为克服上述现有基于热力学循环的绝对结合自由能计算方法存在能量计算收敛差,计算耗时长,计算效率低的技术缺陷,提供一种基于约束概率分布函数优化的自由能微扰方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于约束概率分布函数优化的自由能微扰方法,包括以下步骤:
S1:对受体蛋白-配体体系,即Rec-Lig体系进行常规的分子动力学模拟,并基于模拟获得的轨迹得到添加约束所需的距离、夹角、二面角数据;
其中:表示将溶液中药物小分子全部微扰至湮灭状态的能量;表示将药物-靶标复合物中药物小分子全部微扰至湮灭状态的能量;表示对药物-靶标复合物中药物小分子添加简谐势约束的能量变化;表示对溶液中的药物小分子添加相应约束的能量变化;
其中,所述步骤S1具体包括以下步骤:
S11:准备受体蛋白Rec-配体Lig复合物坐标文件;
S12:准备小分子配体的电荷,并对配体指定力场;
S13:将受体-配体复合物中的受体指定力场,并将该复合物在水箱中进行浸泡,准备好复合物进行分子模拟的初始体系,记为Rec-Lig体系,并导出力场文件作为Rec-Lig体系初始状态参数;
S14:将单独小分子配体浸泡在水箱中,准备好单独的小分子的分子模拟初始体系,记为Lig体系,并导出力场文件作为Lig体系初始状态参数;
S15:根据Rec-Lig体系初始状态的力场参数,进行短时间的分子动力学模拟,得到运动轨迹;
S16:基于模拟得到的轨迹,统计与小分子配体相对位置变化较小的受体蛋白的氨基酸残基,取该残基中与小分子配体相对距离最稳定的三个原子作为添加约束所需的属于受体蛋白的三个原子,选取小分子配体中最稳定的三个原子作为添加约束所需的属于配体小分子的三个原子,得到添加约束所需的距离、夹角、二面角数据。
其中,所述步骤S2具体包括以下步骤:
其中,kB为玻尔兹曼常数,V为系统的体积,raA为一个两原子间的距离用于距离简谐势约束,θa和θA为两个三原子间的夹角用于夹角简谐势约束,诸多k值为用于约束一个距离raA、两个夹角θa,θA、三个二面角的简谐势力常数。
其中,所述步骤S5具体为:
其中,ΔAi,i+1为两相邻窗口i与i+1的结合自由能差,ΔUi,i+1为基于拟合后的概率分布新生成的势能差,β=1/kBT,kB为玻尔兹曼常数,ni与ni+1分别为两相邻状态i与i+1采样所包含的样本量,C为方程组之间的隐含变量;
其中,所述步骤S6具体包括以下步骤:
S62:基于约束概率分布函数对概率分布P(ΔU)data进行拟合,具体表达式为:
其中,P(ΔU)fit为经过约束概率分布函数拟合后的平滑的概率分布,其中ai,bi,ci,di,hi,μi,σi为第i个“约束概率分布函数”的参数,n为选取拟合函数的数目,n1和n2为两个正整数的修正因子。
其中,所述步骤S7具体包括以下步骤:
S71:根据概率分布P(ΔU)fit,重新生成每一状态的势能差ΔU′;
与现有技术相比,本发明技术方案的有益效果是:
本发明提供的一种基于约束概率分布函数优化的自由能微扰方法,实现全自动得到添加约束所需的复合物拓扑文件,约束概率分布函数用于拟合实验中的概率分布,使自由能微扰(FEP)得到的约束窗口内的自由能变化自由值更精准,在保证计算精度的前提下,极大减少了约束步骤的窗口数,减少了计算量,提高了计算效率。
附图说明
图1为本发明所述方法流程示意图;
图2为对添加约束过程的状态采样所得概率被约束概率分布函数拟合的结果示意图。
图3为计算绝对结合自由能所涉及的热力学循环示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种基于约束概率分布函数优化的自由能微扰方法,包括以下步骤:
S1:对受体蛋白-配体体系,即Rec-Lig体系进行常规的分子动力学模拟,并基于模拟获得的轨迹得到添加约束所需的距离、夹角、二面角数据;
其中:表示将溶液中药物小分子全部微扰至湮灭状态的能量;表示将药物-靶标复合物中药物小分子全部微扰至湮灭状态的能量;表示对药物-靶标复合物中药物小分子添加简谐势约束的能量变化;表示对溶液中的药物小分子添加相应约束的能量变化;
在具体实施过程中,本发明提供的一种基于约束概率分布函数优化的自由能微扰方法,实现全自动得到添加约束所需的复合物拓扑文件,约束概率分布函数用于拟合实验中的概率分布,使自由能微扰(FEP)得到的约束窗口内的自由能变化自由值更精准,在保证计算精度的前提下,极大减少了约束步骤的窗口数,减少了计算量,提高了计算效率。
在具体实施过程中,根据以上步骤,基于本发明提供的自动添加约束方法和约束概率分布函数拟合约束步骤的概率分布,以人类磷酸二酯酶4D及其小分子抑制剂罗氟司特的复合物体系(PDB代码为1XOQ)和人类BRD4蛋白及其小分子配体阿普唑仑(PDB代码为3U5J)为例,将约束窗口由现有文献中使用的10个(Chem.Sci.,2016,7,207-218;J.Am.Chem.Soc.2017,139,946-957等)减少到1个,通过对比考察10步方案计算所得的与1步方案差距,获得的测试结果如表1所示。
从上表可以看出,在都以本发明提供的自动添加约束程序进行简谐势约束的前提下,设置不同的约束步骤扰动窗口数,经过“约束概率分布函数”拟合其概率分布后,计算得到相差较小,差值仅为0.2kcal/mol以内。该对比说明在使用本发明提供的自动添加约束程序及“约束概率分布函数”拟合基础上,只设置1个约束扰动窗口的快速约束方案是可行的。
更具体的,所述步骤S1具体包括以下步骤:
S11:准备受体蛋白Rec-配体Lig复合物坐标文件;
S12:准备小分子配体的电荷,并对配体指定力场;
S13:将受体-配体复合物中的受体指定力场,并将该复合物在水箱中进行浸泡,准备好复合物进行分子模拟的初始体系,记为Rec-Lig体系,并导出力场文件作为Rec-Lig体系初始状态参数;
S14:将单独小分子配体浸泡在水箱中,准备好单独的小分子的分子模拟初始体系,记为Lig体系,并导出力场文件作为Lig体系初始状态参数;
S15:根据Rec-Lig体系初始状态的力场参数,进行短时间的分子动力学模拟,得到运动轨迹;
S16:基于模拟得到的轨迹,统计与小分子配体相对位置变化较小的受体蛋白的氨基酸残基,取该残基中与小分子配体相对距离最稳定的三个原子作为添加约束所需的属于受体蛋白的三个原子,选取小分子配体中最稳定的三个原子作为添加约束所需的属于配体小分子的三个原子,得到添加约束所需的距离、夹角、二面角数据。
更具体的,所述步骤S2具体包括以下步骤:
其中,kB为玻尔兹曼常数,V为系统的体积,raA为一个两原子间的距离用于距离简谐势约束,θa和θA为两个三原子间的夹角用于夹角简谐势约束,诸多k值为用于约束一个距离raA、两个夹角θa,θA、三个二面角的简谐势力常数。
更具体的,所述步骤S5具体为:
其中,ΔAi,i+1为两相邻窗口i与i+1的结合自由能差,ΔUi,i+1为基于拟合后的概率分布新生成的势能差,β=1/kBT,kB为玻尔兹曼常数,ni与ni+1分别为两相邻状态i与i+1采样所包含的样本量,C为方程组之间的隐含变量;
更具体的,所述步骤S6具体包括以下步骤:
S62:基于约束概率分布函数对概率分布P(ΔU)data进行拟合,具体表达式为:
其中,P(ΔU)fit为经过约束概率分布函数拟合后的平滑的概率分布,其中ai,bi,ci,di,hi,μi,σi为第i个“约束概率分布函数”的参数,n为选取拟合函数的数目,n1和n2为两个正整数的修正因子,在本申请给出的计算案例中,取n,n1和n2分别为1,10和4。为说明拟合效果,图2为对添加约束过程的状态采样所得概率分布P(ΔU)被一系列约束概率分布函数拟合的结果示意图。图2中灰点为采样所得概率分布点,黑线为最终拟合所得的分布曲线,灰实线和灰虚线分别为公式中的前后两项。
更具体的,所述步骤S7具体包括以下步骤:
S71:根据概率分布P(ΔU)fit,重新生成每一状态的势能差ΔU′;
其中,在所述步骤S73中,所述药-靶结合自由能ΔAbinding的计算过程具体为:
实施例2
实施例1的结果说明自动添加约束的方法结合约束概率分布函数进行拟合,可以使得项能量结算结果达到非常好的收敛性。基于实施例1的基础上,以两个针对BRD4蛋白靶标的药物小分子为例。采用自动添加约束并在约束过程中只设置一个扰动窗口的约束方案,在处理约束过程中的概率分布数据时,采用本发明中的约束概率分布函数对其概率分布散点图进行拟合。并基于图3提供的完整版热力学循环,计算绝对结合自由能ΔAbinding。具体步骤如下:
S1:下载BRD4蛋白晶体结构3MXF和4HBV,准备BRD4的力场参数,选定Rec-Lig体系以及Lig体系,对Rec-Lig体系进行一小段常规的分子动力学模拟,并基于模拟获得的轨迹得到添加约束所需距离、夹角、二面角数据;
在具体实施过程中,根据以上步骤,考察针对BRD4蛋白靶标与两个两个药物小分子的计算结合自由能ΔAbinding与实验值的差别,获得的结果如表2所示:
表2.药-靶结合自由能计算结果与实验结果对比a
a计算过程中使用自动添加约束方法
bΔAcal为计算所得药靶结合自由能
cΔAexp为实验所得药靶结合自由能
从计算与实验结果的对比可知,计算结果与实验结果非常接近,差距在2kcal/mol之内。
在最新文献中,计算至少需10个扰动窗口,且需要手动添加约束(Chem.Sci.,2016,7,207-218;J.Am.Chem.Soc.2017,139,946-957)。基于本发明的技术方案,可实现全自动得到添加简谐势约束所需的复合物拓扑文件,约束概率分布函数可用于拟合实验所得的ΔU与其概率的散点图,使得FEP计算得到的约束窗口内的自由能变化值更精准。FEP方法是目前准确度较高的方法,但该方法需要非常大的计算量,而使用本发明的技术方案,可以在保证计算精确度的前提下,极大减少约束步骤的窗口数,使得计算窗口数目从10降至1,这同时也极大减少了计算量,计算量仅为之前的1/10。两个实施例也说明了结果的准确性。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种基于约束概率分布函数优化的自由能微扰方法,其特征在于,包括以下步骤:
S1:对受体蛋白-配体体系,即Rec-Lig体系进行常规的分子动力学模拟,并基于模拟获得的轨迹得到添加约束所需的距离、夹角、二面角数据;
其中:表示将溶液中药物小分子全部微扰至湮灭状态的能量;表示将药物-靶标复合物中药物小分子全部微扰至湮灭状态的能量;表示对药物-靶标复合物中药物小分子添加简谐势约束的能量变化;表示对溶液中的药物小分子添加相应约束的能量变化;
2.根据权利要求1所述的一种基于约束概率分布函数优化的自由能微扰方法,其特征在于,所述步骤S1具体包括以下步骤:
S11:准备受体蛋白Rec-配体Lig复合物坐标文件;
S12:准备小分子配体的电荷,并对配体指定力场;
S13:将受体-配体复合物中的受体指定力场,并将该复合物在水箱中进行浸泡,准备好复合物进行分子模拟的初始体系,记为Rec-Lig体系,并导出力场文件作为Rec-Lig体系初始状态参数;
S14:将单独小分子配体浸泡在水箱中,准备好单独的小分子的分子模拟初始体系,记为Lig体系,并导出力场文件作为Lig体系初始状态参数;
S15:根据Rec-Lig体系初始状态的力场参数,进行短时间的分子动力学模拟,得到运动轨迹;
S16:基于模拟得到的轨迹,统计与小分子配体相对位置变化符合要求的受体蛋白的氨基酸残基,取该残基中与小分子配体相对距离最稳定的三个原子作为添加约束所需的属于受体蛋白的三个原子,选取小分子配体中最稳定的三个原子作为添加约束所需的属于配体小分子的三个原子,得到添加约束所需的距离、夹角、二面角数据。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911412608.4A CN111161810B (zh) | 2019-12-31 | 2019-12-31 | 一种基于约束概率分布函数优化的自由能微扰方法 |
PCT/CN2020/071663 WO2020147668A1 (zh) | 2019-01-17 | 2020-01-13 | 预测药-靶结合强度的绝对结合自由能微扰方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911412608.4A CN111161810B (zh) | 2019-12-31 | 2019-12-31 | 一种基于约束概率分布函数优化的自由能微扰方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161810A CN111161810A (zh) | 2020-05-15 |
CN111161810B true CN111161810B (zh) | 2022-03-22 |
Family
ID=70560036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911412608.4A Active CN111161810B (zh) | 2019-01-17 | 2019-12-31 | 一种基于约束概率分布函数优化的自由能微扰方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161810B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112199909A (zh) * | 2020-10-22 | 2021-01-08 | 深圳晶泰科技有限公司 | 一种准确计算气体分子绝对自由能的方法 |
CN112216350B (zh) * | 2020-11-05 | 2022-09-13 | 深圳晶泰科技有限公司 | 物理严格且相空间重叠最大化的相对自由能计算方法 |
CN114187971B (zh) * | 2021-12-10 | 2023-03-28 | 上海智药科技有限公司 | 分子自由能计算、稳定性分析方法、装置、设备及存储介质 |
WO2023123396A1 (zh) * | 2021-12-31 | 2023-07-06 | 深圳晶泰科技有限公司 | 增强采样方法及计算复合物的结合自由能的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004102159A2 (en) * | 2003-05-13 | 2004-11-25 | The Penn State Research Foundation | Quantum mechanics based method for scoring protein-ligand interactions |
CN102930152A (zh) * | 2012-10-26 | 2013-02-13 | 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 |
CN107423570A (zh) * | 2017-08-02 | 2017-12-01 | 南昌立德生物技术有限公司 | 快速准确计算蛋白酶与药物分子之间亲和自由能的算法 |
CN109859806A (zh) * | 2019-01-17 | 2019-06-07 | 中山大学 | 一种预测药物-靶标结合强度的绝对自由能微扰方法 |
CN110047559A (zh) * | 2019-03-06 | 2019-07-23 | 山东师范大学 | 蛋白质与药物结合自由能的计算方法、系统、设备及介质 |
CN110400598A (zh) * | 2019-07-03 | 2019-11-01 | 江苏理工学院 | 基于mm/pbsa模型的蛋白质-配体结合自由能计算方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015002860A1 (en) * | 2013-07-02 | 2015-01-08 | Epigenetx, Llc | Structure-based modeling and target-selectivity prediction |
WO2015066415A1 (en) * | 2013-11-01 | 2015-05-07 | University Of Florida Research Foundation, Inc. | Movable type method applied to protein-ligand binding |
-
2019
- 2019-12-31 CN CN201911412608.4A patent/CN111161810B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004102159A2 (en) * | 2003-05-13 | 2004-11-25 | The Penn State Research Foundation | Quantum mechanics based method for scoring protein-ligand interactions |
CN102930152A (zh) * | 2012-10-26 | 2013-02-13 | 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 |
CN107423570A (zh) * | 2017-08-02 | 2017-12-01 | 南昌立德生物技术有限公司 | 快速准确计算蛋白酶与药物分子之间亲和自由能的算法 |
CN109859806A (zh) * | 2019-01-17 | 2019-06-07 | 中山大学 | 一种预测药物-靶标结合强度的绝对自由能微扰方法 |
CN110047559A (zh) * | 2019-03-06 | 2019-07-23 | 山东师范大学 | 蛋白质与药物结合自由能的计算方法、系统、设备及介质 |
CN110400598A (zh) * | 2019-07-03 | 2019-11-01 | 江苏理工学院 | 基于mm/pbsa模型的蛋白质-配体结合自由能计算方法 |
Non-Patent Citations (2)
Title |
---|
Absolute Binding Free Energy Calculation and Design of a Subnanomolar Inhibitor of Phosphodiesterase-10;ZHE LI ,et al;《 JOURNAL OF MEDICINAL CHEMISTRY》;20190128;第2099-2111页 * |
高斯函数增强的自由能微扰方法(GA-FEP)的开发及其在药物设计中的应用;李哲;《2019中国化学会第十五届全国计算(机)化学学术会议》;20191114;第1页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111161810A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161810B (zh) | 一种基于约束概率分布函数优化的自由能微扰方法 | |
Savelyev et al. | Competition among Li+, Na+, K+, and Rb+ monovalent ions for DNA in molecular dynamics simulations using the additive CHARMM36 and Drude polarizable force fields | |
Lan et al. | Predicting drug–target interaction using positive-unlabeled learning | |
Jo et al. | CHARMM-GUI Ligand Binder for absolute binding free energy calculations and its application | |
Liu et al. | Combined MEDV-GA-MLR method for QSAR of three panels of steroids, dipeptides, and COX-2 inhibitors | |
Bajaj et al. | Halide ion microhydration: Structure, energetics, and spectroscopy of small halide–water clusters | |
CN109859806B (zh) | 一种预测药物-靶标结合强度的绝对自由能微扰方法 | |
Hofer et al. | Hydration of highly charged ions | |
Shi et al. | Thermodynamic coupling of protonation and conformational equilibria in proteins: theory and simulation | |
Cole et al. | Protein-protein interactions from linear-scaling first-principles quantum-mechanical calculations | |
González-Díaz et al. | ANN-QSAR model for selection of anticancer leads from structurally heterogeneous series of compounds | |
CN110400598B (zh) | 基于mm/pbsa模型的蛋白质-配体结合自由能计算方法 | |
Kruse et al. | QM computations on complete nucleic acids building blocks: analysis of the Sarcin–Ricin RNA motif using DFT-D3, HF-3c, PM6-D3H, and MM approaches | |
CN107423570B (zh) | 快速准确计算蛋白酶与药物分子之间亲和自由能的算法 | |
Flores et al. | Multiscale modeling of macromolecular biosystems | |
Sfriso et al. | Exploration of conformational transition pathways from coarse-grained simulations | |
Izairi et al. | Comparison study of polar and nonpolar contributions to solvation free energy | |
Kantonen et al. | Data-driven mapping of gas-phase quantum calculations to general force field Lennard-Jones parameters | |
Pan et al. | A simplified charge projection scheme for long-range electrostatics in ab initio QM/MM calculations | |
Giese et al. | Combined QM/MM, machine learning path integral approach to compute free energy profiles and kinetic isotope effects in RNA cleavage reactions | |
Chiappino-Pepe et al. | Integration of metabolic, regulatory and signaling networks towards analysis of perturbation and dynamic responses | |
Gallegos et al. | NNAIMQ: A neural network model for predicting QTAIM charges | |
Prado-Prado et al. | Multi-target spectral moment: QSAR for antiviral drugs vs. different viral species | |
Suruzhon et al. | Enhancing ligand and protein sampling using sequential monte carlo | |
Deng et al. | Connecting free energy surfaces in implicit and explicit solvent: An efficient method to compute conformational and solvation free energies |
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 |