XiaoMi-AI文件搜索系统
World File Search System对接程序
TAIGET：小分子靶标识别和...
药物发现过程始于确定靶点和明确药物作用机制，以期赢得疾病治疗之战（Vamathevan 等人，2019 年）。药物发现中靶点识别的方法包括虚拟筛选和实验筛选。作为最广泛使用的基于结构的虚拟筛选方法之一，分子对接可以识别查询配体的最可能靶点。有许多流行的对接程序，例如 AutoDock、LeDock、Glide、GOLD 和 DOCK（Lapillo 等人，2019 年；Shahid 等人，2021 年）。为了减少评分偏差，Lee 和 Kim（2020 年）通过对 GOLD、AutoDock Vina 和 LeDock 的评分算法进行排名，构建了一个用于靶点预测的 Web 服务器。为了协助识别草药成分的假定靶点，Zhang 等人利用分子对接程序对草药成分进行分类，以确定可能的靶点。 (2019 ) 使用反向对接方法来预测配体-靶标相互作用。Ma 和 Zou (2021 ) 使用 DOCK 算法开发了一种反向对接程序，以支持将配体与多个蛋白质结构集合对接。然而，对接的优势被严重的缺陷所抵消：对接会产生许多假阳性事件 ( Lyu et al., 2019 )。这是由相对粗糙的搜索算法造成的，例如，蒙特卡洛算法在活性位点生成一个随机的配体初始构型，包括随机构象、平移和旋转；禁忌搜索算法对配体的当前构型进行了一些小的随机更改并对其进行排序 ( Sulimov et al., 2019 )。为了避免假阳性事件，我们之前开发了一种基于贝叶斯-高斯混合模型 (BGMM) 的靶标过滤算法 (Wei et al., 2022)。我们对从 PDB 中的配体结合蛋白晶体结构中提取的配体原子与蛋白质片段之间的相互作用对进行了聚类（发布时间：1995 年 1 月至 2021 年 4 月），发现潜在靶标应满足 ≥ 600 个显著相互作用对，同时它们与所有相互作用对的比例≥ 0.8 (Wei et al., 2022)。我们方法的优势在于，我们不仅考虑了配体和蛋白质之间的主要键，例如氢键、盐桥、疏水接触、卤素键和 π 堆积 (Shaikh et al., 2021)，还总结了配体和蛋白质之间的所有原子接触
属：一种用于多物镜目标的de从头设计
摘要：这项研究引入了一种名为Genera的新型DE Nok Design算法，该算法将深度学习算法的能力结合在一起，用于自动化药物般的模拟设计，称为Dela-Drug，以及用于生成分子与所需目标靶向特性的遗传算法。具体而言，将属应用于血管紧张素转换酶2（ACE2）靶标，该靶标与包括Covid-19在内的许多病理条件中有关。使用两个对接程序，植物和滑行评估了属属从头设计有希望的特定目标候选者的能力。基于计算机植物和GLIDE评分产生的帕累托优势的适应性函数，以证明该算法有效地执行多目标优化的能力。属可以快速生成重点的库，这些库产生更好的分数。这项研究是第一个利用基于DL的算法，该算法专为模拟生成为GA框架中的突变操作员，代表了针对目标的创新方法。■简介
分子对接：...
分子对接：基于结构的药物设计的提前生物信息学策略摘要由两个或多个相互作用分子创建的结构复合物的计算建模称为分子对接。对有趣的三维结构的预测是分子对接的目的。用于分子对接的软件主要用于药物开发。分子和简单地访问结构数据库已损害了重要的机制。分子对接提供了几种用于药物设计和研究的昂贵工具。简单的分子预测和快速访问结构数据库是医疗化学家桌面上必不可少的工具。分子对接的主要应用是虚拟筛选。可以采用不同的计算技术来分析对接增益，并利用许多对接程序可视化分子的三维结构。在结构分子生物学和计算机辅助药物设计中，分子对接至关重要。对接可用于对化合物的巨大库进行虚拟筛选，评分结果并为配体如何减少靶标提供结构性假设，所有这些都对铅优化有益。关键字：分子对接；分子对接类型；对接机制；对接评估；应用。
潜在的 SARS-CoV-2 非结构蛋白抑制剂
背景：在当前的 COVID-19 大流行中，由于缺乏批准的药物和可广泛获得的疫苗，重新利用现有药物对于快速开发治疗该疾病的方法至关重要。方法：在本研究中，我们使用由病毒蛋白序列和药物化学结构组成的数据集，用于已知药物-靶标相互作用 (DTI) 和人工生成的非相互作用 DTI，以训练具有预测新 DTI 能力的二元分类器。测试了随机森林 (RF)、深度神经网络 (DNN) 和卷积神经网络 (CNN)。选择 CNN 和 RF 模型执行分类任务。结果：这些模型对给定的 DTI 数据具有很好的泛化能力，并用于预测涉及 SARS-CoV-2 非结构蛋白 (NSP) 的 DTI。我们（使用 CNN）阐明了涉及 82 种 DTI 的 29 种药物，相互作用的概率为 97%，其中 44 种 DTI 的相互作用概率为 99%，可用于治疗 COVID-19。 RF 阐明了涉及 17 种 DTI 的 6 种药物，相互作用的概率为 90%。结论：这些结果为病毒蛋白的可能抑制剂提供了新的见解，超越了最近研究中使用的药效团模型和分子对接程序。
通过高通量逆对接识别抗 SARS-CoV-2 的再利用药物的靶点
摘要 筛选已批准的药物以检测其对抗新型病原体的活性可能是全球应对流行病的快速反应策略的重要组成部分。这种高通量重新利用筛选已经确定了几种具有对抗 SARS-CoV-2 潜力的现有药物。然而，要将这些热门药物开发为专门针对这种病原体的药物，需要明确识别它们相应的靶标，而高通量筛选通常无法揭示这一点。我们在此介绍了一种新的计算逆对接协议，该协议使用全原子蛋白质结构和对接方法的组合对几种现有药物的靶标进行排序，最近的多个高通量筛选检测到了这些药物的抗 SARS-CoV-2 活性。我们用已知的药物-靶标对（包括非抗病毒和抗病毒化合物）证明了该方法的有效性。我们对 152 种可能适合重新利用的不同药物进行了逆对接程序。最常见的优先靶标是人类酶 TMPRSS2 和 PIKfyve，其次是病毒酶解旋酶和 PLpro。所有选择 TMPRSS2 的化合物都是已知的丝氨酸蛋白酶抑制剂，而那些选择 PIKfyve 的化合物都是已知的酪氨酸激酶抑制剂。对对接姿势的详细结构分析揭示了这些选择产生的原因，并可能有助于更合理地设计针对这些靶标的新药。
VirtualFlow 2.0 - 下一代药物发现平台，可实现 690 亿个分子的自适应筛选
早期药物发现受到初始命中识别和先导化合物优化及其相关成本的限制（1）。超大型虚拟筛选（ULVS）涉及对大量分子进行虚拟评估以与大分子靶标结合，能够显著缓解这些问题，正如最近多项研究所证明的那样（2-7）。尽管 ULVS 具有巨大潜力，但迄今为止，它仅探索了化学空间和可用对接程序的一小部分。在这里，我们介绍了 VirtualFlow 2.0，这是第一个专用于超大型虚拟筛选的开源药物发现平台的下一代产品。VirtualFlow 2.0 提供了来自 Enamine 的 REAL Space，其中包含 690 亿个“即用型对接”格式的类药物分子，这是迄今为止同类库中最大的一个。我们提供了一个 18 维矩阵，可通过 Web 界面直观地探索库，其中每个维度对应于配体的分子特性。此外，VirtualFlow 2.0 支持多种可大幅降低计算成本的技术，包括一种称为自适应靶标引导虚拟筛选 (ATG-VS) 的新方法。通过对库的代表性稀疏版本进行采样，ATG-VS 可识别超大化学空间中与靶位点结合潜力最大的部分，从而大幅降低计算成本，最高可达 1000 倍。此外，VirtualFlow 2.0 支持最新的基于深度学习和 GPU 的对接方法，可将速度进一步提高两个数量级。VirtualFlow 2.0 支持 1500 种独特的对接方法，提供靶标特定和共识对接选项以提高准确性，并能够筛选新型配体（如肽）和靶标受体（包括 RNA 和 DNA）。此外，VirtualFlow 2.0 还具有许多先进的新功能，例如增强的 AI 和云支持。我们在 AWS 云中展示了高达 560 万个 CPU 的完美线性扩展行为，这是并行云计算的全球新纪录。由于其开源特性和多功能性，我们预计 VirtualFlow 2.0 将在未来的早期药物发现中发挥关键作用。
空军总业主成本支持服务 (AFTOC...
1.0.1 范围。此要求是为了获得国防部 (DoD) 的功能（财务、供应、维护、后勤、人员、燃料等）和系统主题专业知识，以支持 AFTOC 计划任务。在 SAF/FM/AFCAA/FMCY 政府项目管理办公室 (PMO) 的指导下，承包商应协助 520 SWES/MXDPC 软件支持飞行利用 PMO 提供和指定的工具和其他政府提供的设备收集、转换、验证和呈现数据。PMO 将指导工作并充当 520 SWES/MXDPC 和承包商之间的联络人。承包商应提供数据库管理和数据生产专业知识，以协助 520 SWES/MXDPC 维护和更新 AFTOC 系统。PMO 需要具备了解国防部数据系统以及国防部数据系统内所含数据的功能专业知识。承包商应详细了解空军 (AF) 的财务、维护、供应和物流系统及流程，并能够整合多个“不同”的数据系统，以便国防部管理人员能够访问用于国防部决策支持的综合成本和物流信息。520 SWES/MXDPC 将根据需要为 DISA milCloud 2.0 环境和 Hill AFB UT 飞地中的 AFTOC 系统提供信息技术 (IT) 和服务器支持。AFTOC 原始数据是从多个现有的国防部数据系统收集的。承包商应在专为 AFTOC 创建的 DISA milCloud 2.0 环境或 PMO 指定的任何其他环境中维护的 Web 服务器上收集、测试、转换、呈现和存档此数据。承包商应确保承包商人员采取行动，完全融入 SAF/FMC/AFCAA 和 520 SWES/MXDPC，从而打造一个无缝衔接的政府-承包商团队。承包商应管理承包商人员。承包商应与 OSD CAPE 进行对接并执行技术和程序联络支持，执行或对接程序或系统要求、操作、规划研究、开发、测试和评估 (RDT&E) 以及系统采购和维持。与 AFTOC 相关的所有产品（包括但不限于获得的数据、软件许可证、数据代码和脚本、业务规则、文档、仪表板、报告、培训材料、演示文稿等）均为政府财产，应在要求时和/或合同期结束时全部归还给政府。