想加入微信学术交流群的朋友,请在公众号首页输入“加群”,验证后入群。
殷赋云平台-分子对接方案,智能化预测蛋白质、多肽、核酸与小分子间的相互作用,识别文末二维码了解更多!
A:请教蛋白自带好多小分子,对接的时候怎么处理呢?
殷赋科技:对接时并不需要这些小分子,其用途只有一个——帮助定位口袋。因此,保存你需要的小分子,其他清除掉。但有一种情况例外,辅酶分子或类似作用的分子应当保留在受体中,因为它将作为受体的一部分与配体产生相互作用。
A:有的还带有金属离子~ 是不是也应该保留。
殷赋科技:看情况,跟配体有重要作用的保留,水分子也是。
A:我设计的靶点化合物已经测完细胞活性,除了需要买蛋白回来测活性以外,还有没有什么替代的方法来验证活性?
B:你可以用生物物理的方法做亲和力测试,或者生物化学的方法做酶的抑制率和IC50(如果你是要研究抑制剂的话)。
C:你要明确你的靶点,最好有这个靶点现有药物的构效关系或者药效团,然后再做结构改造,如果没有的话稍微有些难度。
D:验证活性?那就是分子水平,细胞水平还有动物水平。你做了细胞了,那就再做下蛋白,细胞水平很优异可以考虑动物水平。
A:靶点已知,目前觉得蛋白很贵,有点不舍得买,所以想看看有没有别的方法替代。
在使用殷赋云计算平台的时候,有不少用户对于如何选择蛋白晶体结构存在疑问。本篇就这个话题做一些经验分享。任何标准都有一个适用范围。我们在这里只讨论用于分子对接的蛋白晶体结构的选择原则和方法。
在实验当中,研究人员通常使用动物模型(如小鼠)来研究人源蛋白。这样做有许多原因,比如:
1) 无法获得(提纯分离)人源蛋白;
以下是我司精选的微信群聊天记录,想加入微信学术交流群的朋友,请在公众号“殷赋科技”首页输入“加群”,验证后入群。
A:有没有关于主流对接软件的横评的综述啊,我看很多CNS级别的文章也在引用autodock还有vina,对接的准确与否一般是怎么定义的呢?
殷赋科技:这样的文章(文献)有很多,到pubmed搜一下就有了。之前群里有人发了一篇文章,说到vina的准确率比dock6高。我对此持怀疑态度。我只凭经验判断,没有重现过人家的结果,也没有去仔细研究人家的研究过程。
有两个方面,我认为dock6更好:
想加入微信学术交流群的朋友,请在公众号首页输入“加群”,验证后入群。
A:一般虚拟筛选的小分子结合能低,docking分数很不错但实际活性不好是什么原因?反之如果活性好的,一定结合的好吗?
B:docking分数好,结合能也不错,这和活性没有关系。活性好,也不一定就结合的特别好,还要考虑结合质量,还有假阳性的情况。最好测酶活以及Ki(Kd)。
想加入微信学术交流群的朋友,请在公众号首页输入“加群”,验证后入群。
公众号首页输入“0”或“菜单”,获取公众号相关内容。
A: 有没有人做过共价化合物的分子对接?
B:薛定谔有,covalent docking。
A:有没有用过,结果可有价值?
A:对接的时候,小分子与蛋白的活性位点是怎么选呢?参照文献么?选择的时候,活性位点有很多,是选择什么样的位点对接呢?
B:先分析你的化合物和已知底物的相似性关系,再选择合适位点。
殷赋科技学术交流群,期待你的加入。公众号首页输入“加群”,验证即可入群。
A:怎么提高虚拟筛选准确性?目前我已经对自己建立的3000多分子库做完对接了,现在想找可靠的分子。目前想到的方法是看有没有和关键氨基酸成键,然后统计,但是我觉得样本量太大了,如果聚类再挑选也同样面临这个问题。
B:写代码呀。不过也可以借助lewater来判断。科学网上开发者写过一个教程。ledock的虚拟筛选教程。
殷赋科技学术交流群,牛人集中地,期待你的加入。请在公众号首页输入“加群”,验证后即入群。
A:打扰一下,有做过药效团的大佬么,做药效团测试集的时候,怎么找一些阴性对照的小分子呢,一般是怎么个经验?
B:我是从drugbank和pubmed一些药物数据库里找的。