抗新冠病毒筛选库

ChemDiv虚拟筛选方法专为优化药物发现中的小分子化合物发现而设计，并应用于创建此冠状病毒库。这一先进方法包含多个关键组成部分，每个部分都贡献于高效且有效的筛选过程：
1.目标识别：利用Swiss-Prot蛋白质目标和PDB X射线结构搜索，该库聚焦于ACE2、PLpro和3CLP等重要目标，这些目标在多种生物途径和疾病机制中至关重要。
2.综合训练集：该库利用来自ChEMBL 25和PubMed数据库以及当前专利文献（CAS, Integrity）的广泛训练集，确保药物发现领域当前知识和趋势的广泛和深入代表。
3.机器学习数据整理：使用KNIME/RDKit和kNN分类器进行精确的数据分析和整理。利用BitVector余弦空间距离和FCFP12（10,240位）指纹进行深入的化合物分析。整合使用核化学分类/回归（kcc）的混合2D QSAR/指纹模型，增强化合物生物活性的预测准确性。
4.3D形状相似性虚拟筛选：该库应用APF®MolSoft，并参考Lam等人在2018和2019年以及Totrov在2008年的研究，分析和利用化合物间的3D形状相似性，这是预测分子相互作用和功能的关键因素。
5.基于结构的对接和筛选：使用ICM-Pro MolSoft进行多受体构象（MRC）4D对接，基于Bottegoni等人在2009年[5]的工作。利用ICM-Pro MolSoft进行配体偏向的集合受体对接（LigBEnD），借鉴Lam等人在2018年[1]的方法。
6.质量和安全过滤器：整合REOS、MedChem和PAINS过滤器，以排除具有反应性、毒性、混杂性或其他不良特性的化合物。
这种结合了尖端技术与方法的复杂策略，使ChemDiv虚拟筛选方法在寻找新颖且有效的候选药物方面成为一项强有力的工具。其对质量、多样性及前沿分析技术的专注，使其成为药物研发工作中不可或缺的宝贵资源。

• 可选用DMSO耐受的96/384孔板或2D 条形码编码管；
• 干粉蓝冰运输，DMSO溶液干冰运输；
• 排布：96孔板：1st & 12th 空白对照，384孔板：1st & 2nd & 23th & 24th空白对照。