隨著蛋白質(zhì)結構解析技術的不斷革命,大量的蛋白質(zhì)結構數(shù)據(jù)源源不斷的更新涌現(xiàn)�；诩膊∠嚓P蛋白結構的設計策略對新藥研發(fā)的影響重大而深遠,應用此策略發(fā)現(xiàn)和開發(fā)出了很多新藥相繼獲得美國食品和藥物管理局(FDA)批準。本研究以疾病相關的蛋白結構為出發(fā)點,快速高效的篩選出一批有效針對疾病的藥物苗頭化合物,從而為疾病的治療提供方法和線索。我們研究了AutoDock Vina和LeDock兩款分子對接的特點,并從中選出了LeDock作為該研究體系的分子對接程序。虛擬篩選的第一步:建庫。小分子數(shù)據(jù)庫和靶點庫是虛擬篩選的基石,為了保證庫的質(zhì)量,我們選擇了ZINC數(shù)據(jù)庫中的類藥化合物,并解決了很多現(xiàn)有的問題,最終得到了完整性和準確性較高的小分子庫和靶點庫。接著,利用建好的數(shù)據(jù)庫,我們進行了正向的虛擬篩選,得到了一個靶向c-MET的海洋化合物,并用生物互作和細胞活性測定的方法進行了活性的確認。其次,我們利用建立的靶點庫進行了反向的虛擬篩選,驗證了反向尋靶該方法的有效性。最后,我們以當前的熱點問題為出發(fā)點,進行了非洲豬瘟病毒DNA聚合酶X的虛擬篩選,并有針對性的選擇了兩個天然產(chǎn)物數(shù)據(jù)庫作為小分子庫,最終得到了1...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖1.2反向虛擬篩選[47]

圖1.2反向虛擬篩選被證明是老藥新用和活性化合物尋找靶點的有結合模式對靶點集排序從而預測出化合物潛在用于發(fā)現(xiàn)現(xiàn)有藥物和天然產(chǎn)物的新靶點，解釋反應和藥物毒性[49]。目前已經(jīng)有專門的反向小分子化合物的靶點查找，例c.cn/tarfisdock/）和i....

圖3.1軟件預測的親和力與實測結合能

學術免費軟件中非常受歡迎的虛擬篩選工具[68]。Dock對接軟件近些年來同樣備受同行好評。因此軟件在虛擬篩選中的表現(xiàn)，綜合結合能的整體分考量，從而選出一款準確性更好的軟件進行下一選。AutoDockVina的c-Met虛擬篩選8個小分子與c-MET(HGF，Hepa....

圖3.2兩種軟件預測的打分值與實測結合能值的相關性分析

圖3.2兩種軟件預測的打分值與實測結合能值的相關性分析3.2的左邊為LeDock的預測值與實測值的散點圖，右邊為Vina的散中，橫坐標為實測的結合能，縱坐標為兩種軟件預測的親和力值。圖中接近于1，相關性越好。兩種軟件與實測值都有著較好的相關性，但LeD比Vi....

圖5.1虛擬篩選流程

碩士研究生學位論文以疾病相關蛋白為靶點的計算機藥物虛擬篩選第五章基于c-MET靶點的虛擬篩選T靶點的虛擬篩選流程T是一種受體酪氨酸激酶，又稱為肝細胞生長因子受體(HepactorReceptor,HGFR)。c-MET在體內(nèi)的天然配體為肝細胞生teGrowth....

本文編號：3992628