当前位置: 首页 > news >正文

Moldina: 多配体分子对接新工具,兼具精准度与运行速度的双重突破

在药物研发和结构生物学研究中,分子对接是不可或缺的重要工具。然而,传统的分子对接通常只针对单个受体和单个配体,在面对多配体同时对接的复杂情况时,往往面临着巨大的挑战和高昂的计算成本。近日,一项发表在《Journal of Cheminformatics》上的研究为这一领域带来了新的解决方案。

由来自奥斯特拉瓦技术大学的研究人员开发的 Moldina(Multiple-Ligand Molecular Docking over AutoDock Vina),是一种基于 AutoDock Vina 框架的全新算法。该算法通过将粒子群优化(PSO)集成到已建立的 AutoDock Vina 框架中,为加速药物发现和计算酶学研究提供了强大的工具。

Image

软件已开源

https://github.com/It4innovations/moldina-multiple-ligand-molecular-docking-over-autodock-vina

结果速览

1. 准确性与 AutoDock Vina 相当

Moldina 在预测配体结合构象方面表现出与 AutoDock Vina 相当的准确性。在大多数情况下,当使用 PSO 种群大小为 50 或更低以及默认的 AutoDock Vina 参数(exhaustiveness 8)时,Moldina 的表现优于 AutoDock Vina。例如,在对热休克蛋白 90 与两个分子片段结合的复合物(PDB ID:3hz1)的研究中,Moldina 和 AutoDock Vina 的平均 RMSD 值分别为 2.54 Å 和 3.98 Å。

配图1. Moldina(粒子群优化种群大小 50)和 AutoDock Vina(默认设置,exhaustiveness 8)对接结果与晶体结构中配体的叠加图。左侧为所有多次运行中最佳结合模式的叠加,右侧为与所有运行获得的总体平均值最接近的运行的结合模式。

配图1. Moldina(粒子群优化种群大小 50)和 AutoDock Vina(默认设置,exhaustiveness 8)对接结果与晶体结构中配体的叠加图。左侧为所有多次运行中最佳结合模式的叠加,右侧为与所有运行获得的总体平均值最接近的运行的结合模式。

2. 计算时间显著减少

Moldina 在计算时间上展现出巨大优势,与 AutoDock Vina 相比,计算时间最多可减少数百倍。即使使用单个 CPU,Moldina 也能实现比使用 16 个 CPU 并行计算的 AutoDock Vina 快一百倍以上的速度提升。

Image

3. 多配体同时对接优于传统顺序对接

通过对同一系统中配体进行顺序对接和同时对接的比较发现,在大多数情况下,Moldina 实现的同时对接性能优于传统的顺序对接方法。这一结果有力地支持了同时对接在多配体研究中的优势,也验证了 Moldina 开发的初衷。

配图2. 同一系统中配体顺序对接和 Moldina 同时对接的 RMSD 分布和平均值比较

配图2. 同一系统中配体顺序对接和 Moldina 同时对接的 RMSD 分布和平均值比较

4. 单配体对接能力同样出色

除了多配体对接这一主要目标外,Moldina 在单配体对接方面也表现出色。在对 182 个不同化合物与冠状病毒 CoV-2 主蛋白酶(Mpro)结合的复合物评估中,Moldina 和 AutoDock Vina 表现出相似的准确性,且 Moldina 在更多情况下优于 AutoDock Vina。

Image

总结

Moldina 的出现为多配体分子对接领域带来了重要的技术突破。它不仅在准确性上与传统的 AutoDock Vina 相当,更在计算效率上实现了数百倍的提升,极大地降低了多配体对接的计算成本和时间消耗。同时,Moldina 在多配体同时对接方面的优势,为研究协同效应、底物和产物抑制、竞争性结合等复杂生物学现象提供了强有力的工具。无论是在基于片段的药物发现、高通量虚拟筛选,还是在研究酶促机制和变构调节剂等领域,Moldina 都展现出了巨大的应用潜力,有望为药物研发和结构生物学研究带来新的机遇和突破。

参考文献

Halfar, Radek, et al. "Moldina: a fast and accurate search algorithm for simultaneous docking of multiple ligands." Journal of Cheminformatics 17.1 (2025): 1-10.

相关文章:

  • 移动端日志平台EMAS
  • SQL关键字三分钟入门:RANK() —— 窗口函数
  • 深入解析 Electron 核心模块:构建跨平台桌面应用的关键
  • zookeeper Curator(1):认识zookeeper和操作命令
  • 【大数据】HDFS分布式 机架感知
  • 2.2.3、CAN总线-位时间特性、中断
  • 删除排序数组中的重复项 II
  • 搭建Flink分布式集群
  • nginx目录美化
  • OD 算法题 B卷【数字序列比大小】
  • C++法则20:元编程是 C++ 中实现零开销抽象的核心工具之一,但并非所有抽象都能通过它实现零开销。
  • 人大金仓数据库jdbc连接jar包kingbase8-8.6.0.jar驱动包最新版下载(不需要积分)
  • 【世纪龙科技】新能源汽车动力电池总成装调与检修教学软件
  • ADVANCED INTELLIGENT SYSTEMS 东京大学仿生人类手指机器人,实现“皮肤”补水!
  • VS Code 配置本地 Dev Container
  • stream使用案例
  • 代码随想录算法训练营day18
  • 什么是 Paxos和Raft
  • 信号处理学习——文献精读与code复现之TFN——嵌入时频变换的可解释神经网络(下)
  • 商业秘密中经营信息的法律保护探析——以客户名册为例