MMP2靶标化合物库

该库经过精心设计，结合了基于配体的虚拟筛选方法——贝叶斯统计和k近邻算法（k-NN）。
在化合物库设计阶段，我们基于已知的MMP2抑制剂开发了十二个训练集。这些化合物通过基于分子指纹的k-NN算法进行聚类分析，将其分类为活性或非活性化合物，从而获得更均质化的训练集。这些训练集被用于贝叶斯建模（基于分子描述符，如氢供体和受体数量、PSA值、LogP值、分子量、可旋转键数、环数以及ECFP4、FCFP4、ECFP6和FCFP6指纹特征）和基于ECFP4、FCFP4、ECFP6、FCFP6指纹特征的k-NN算法进行化合物筛选。贝叶斯统计与k-NN方法的结合有望提升筛选过程中活性化合物的识别率。通过应用这些方法获得的高分化合物经过交叉验证后进行了可视化分析。

• 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。