一种基于BFGS算法的计算机药物筛选方法技术

本发明专利技术公开了一种基于BFGS算法的计算机药物筛选方法。本发明专利技术包括以下步骤：1)建立数据库，由30000‑40000个海洋小分子的数据集群，循环遍历匹配，形成相似度为0‑1的小分子库；2)数据库预处理，删除步骤1)中所得的小分子库中相似度为1的小分子构象；3)分子对接，将配体置于受体的活性位置点处，使多个配体与一个受体进行分子对接；4)构象搜索，使用BFGS算法进行构象搜索，当新生成的构象与初始构象相同或者两者预设差值不超过0.0001时，停止构象的搜索。本发明专利技术通过优化算法使其缩短寻找配体与受体结合在受体活性位点处的低能构象的时间，增加了小分子数据库的基于该方法的虚拟筛选的效果和效率。

A computer drug screening method based on BFGS algorithm

The invention discloses a computer drug screening method based on BFGS algorithm. The invention comprises the following steps: 1) establishing a database, which consists of 30000 \u2011 40000 data clusters of marine small molecules, cyclically traversing and matching to form a small molecule library with a similarity of 0 \u2011 1; 2) preprocessing the database, deleting the small molecule conformation with a similarity of 1 in the small molecule library obtained in step 1); 3) docking the molecules, placing the ligands at the active site of the receptor, so that multiple ligands and one 4) conformation search. BFGS algorithm is used for conformation search. When the newly generated conformation is the same as the initial conformation or the preset difference between the two is not more than 0.0001, the conformation search is stopped. The invention shortens the time of searching for low-energy conformation of ligand and receptor binding at the active site of receptor through optimization algorithm, and increases the effect and efficiency of virtual screening based on the method for small molecular database.

【技术实现步骤摘要】
一种基于BFGS算法的计算机药物筛选方法
本专利技术属于计算机辅助药物设计的
，特别是指一种基于BFGS算法的计算机药物筛选方法。
技术介绍
药物筛选指的是采用适当的方法，对可能作为药物使用的物质(采样)进行生物活性、药理作用及药用价值的评估过程。药物筛选是生化水平和细胞水平的筛选。随着计算机技术的更新以及大数据技术的发展，应用虚拟筛选策略进行药物筛选逐渐成为主流。虚拟筛选，即在进行生物活性筛选之前，利用计算机上的分子对接软件模拟目标靶点与候选药物之间的相互作用，计算两者之间的亲和力大小，以降低实际筛选化合物数目，同时提高先导化合物发现效率。分子对接是一种计算方法，试图预测配体与蛋白质结合的最可能的位置，方向和构象，以不同方式预测配体与蛋白质的结合自由能，就是找到配体与受体在其活性区域相结合时能量最低的构象从而达到从几十到上百万个分子中，发现具有药性的先导化合物的目的。计算机药物筛选一般是针对选定的靶标，使用高性能并行计算机，从庞大的小分子库中筛选出具有药理活性的化合物。然而，进行虚拟筛选不仅要搜索化合物小分子库，而且要对库中的小分子进行分子筛选，再加上庞大的数据库搜索，需要耗费巨大的计算机时间。而现有技术中比较好的分子对接软件一般需要3-5min完成一个分子的对接，普通计算环境难以在可以接受的时间内得到满意的结果，从而导致传统的药物筛选遇到瓶颈；另外，现有技术中的计算机药物筛选方法还存在受体和配体间的结合方式不合理，使得计算资源无法得到最大化利用，造成计算资源浪费，从而影响计算机虚拟筛选的效果和效率。
技术实现思路
本专利技术提供一种基于BFGS算法的计算机药物筛选方法，解决了现有技术中的计算机虚拟筛选方法分子对接时间长以及受体和配体间的结合方式不合理而导致其筛选效率低和筛选效果差的问题。本专利技术的一种基于BFGS算法的计算机药物筛选方法，其主要是通过以下技术方案加以实现的：包括以下步骤：1)建立数据库，所述数据库是由30000-40000个海洋小分子建立的数据集群，将数据集群中的海洋小分子进行循环遍历匹配，形成相似度为0-1的小分子库；2)数据库预处理，删除步骤1)中所得的小分子库中相似度为1的小分子构象，得更新小分子库；3)分子对接，从蛋白质数据库中取一个受体，从步骤2)所得更新小分子库中的取多个配体，将配体置于受体的活性位置点处，使多个配体与一个受体进行分子对接；4)构象搜索，使用BFGS算法进行构象搜索，将新生成的构象与初始构象进行匹配，当新生成的构象与初始构象相同或者两者预设差值不超过0.0001时，停止构象的搜索，得能量最低的构象，从而确定待筛选的药物。本专利技术采用30000-40000个海洋小分子所建立的数据集群作为数据源，结合计算机辅助药物设计与生物信息学方法相结合进行数据处理。本专利技术从已有的搜索算法出发，利用计算机强大的计算能力，从已经建立的大规模化合物的三维结构数据库中搜寻与靶标生物大分子活性部位或结合部位相匹配的化合物，通过优化算法使其缩短寻找配体与受体结合在受体活性位点处的低能构象的时间，增加了小分子数据库的基于该方法的虚拟筛选的效果和效率。作为一种优选的实施方案，所述步骤1)中，相似度的计算方法是分子指纹计算方法。本专利技术中小分子相似度得到的标准是根据分子指纹的计算，有利于在数据库中进行聚类分析及开展分子多样性的研究，该小分子库中有784,000,000个小分子。作为一种优选的实施方案，所述步骤1)中，循环遍历匹配是通过两两匹配而完成的。本专利技术的多个配体的选择是依据30000-40000个海洋小分子建立的数据集群两两匹配形成784,000,000小分子中相似度范围为0-1。作为一种优选的实施方案，所述步骤1)中，小分子库的相似度为0.85-1。经大量实验表明在这个范围内的小分子更具有相似性。作为一种优选的实施方案，所述步骤3)中，分子对接的方法是通过bsub任务提交方式提交计算机系统平台进行分子对接。通常情况下，本专利技术使用计算机系统平台的“神威·太湖之光”建立与30000-40000个海洋小分子数据集群的访问机制，并通过bsub任务提交方式提交计算机系统的国家超算平台进行分子对接。作为一种优选的实施方案，所述步骤4)中，新生成的构象与初始构象进行匹配时，根据配体的原子类型，对每个配体的原子类型进行氢键个数的判断。本专利技术在进行构象搜索时，受体的构象为了配合与小分子的结合也会发生相应的改变，为了提高匹配的准确性，本专利技术将互补匹配原则中的氢键相互作用进行优化改善，根据配体的原子类型，将会给每个配体的原子类型进行氢键个数的判断。作为一种优选的实施方案，所述步骤1)中，海洋小分子是指相对分子量小于500的海洋小分子。本专利技术选取的海洋小分子的相对分子量均小于500，这种海洋小分子的分子量小，具有口服成药的潜能。与现有技术相比，本专利技术的有益效果是：本专利技术采用30000-40000个海洋小分子所建立的数据集群作为数据源，结合计算机辅助药物设计与生物信息学方法相结合进行数据处理。本专利技术从已有的搜索算法出发，利用计算机强大的计算能力，从已经建立的大规模化合物的三维结构数据库中搜寻与靶标生物大分子活性部位或结合部位相匹配的化合物，通过构象搜索的优化算法使其缩短寻找配体与受体结合在受体活性位点处的低能构象的时间，增加了小分子数据库的基于该方法的虚拟筛选的效果和效率。本专利技术是一种基于国产众核环境的BFGS算法的药物筛选策略，利用国产化的计算机操作平台实现了药物的快速筛选，降低了药物筛选成本，实现了药物筛选的国产化。具体实施方式下面将结合本专利技术的具体实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的一种基于BFGS算法的计算机药物筛选方法，包括以下步骤：1)建立数据库，所述数据库是由30000-40000个海洋小分子建立的数据集群，将数据集群中的海洋小分子进行循环遍历匹配，形成相似度为0-1的小分子库；2)数据库预处理，删除步骤1)中所得的小分子库中相似度为1的小分子构象，得更新小分子库；3)分子对接，从蛋白质数据库中取一个受体，从步骤2)所得更新小分子库中的取多个配体，将配体置于受体的活性位置点处，使多个配体与一个受体进行分子对接；4)构象搜索，使用BFGS算法进行构象搜索，将新生成的构象与初始构象进行匹配，当新生成的构象与初始构象相同或者两者预设差值不超过0.0001时，停止构象的搜索，得能量最低的构象，从而确定待筛选的药物。优选地，所述步骤1)中，相似度的计算方法是分子指纹计算方法。进一步地，所述步骤1)中，循环遍历匹配是通过两两匹配而完成的。具体地，所述步骤1)中，小分子库的相似度为0.85-1。再优选地，所述步骤3)中，分子对接的方法是通过bsub任务提交方式提交计算机系本文档来自技高网...

【技术保护点】
1.一种基于BFGS算法的计算机药物筛选方法，其特征在于：包括以下步骤：/n1)建立数据库，所述数据库是由30000-40000海洋小分子建立的数据集群，将数据集群中的海洋小分子进行循环遍历匹配，形成相似度为0-1的小分子库；/n2)数据库预处理，删除步骤1)中所得的小分子库中相似度为1的小分子构象，得更新小分子库；/n3)分子对接，从蛋白质数据库中取一个受体，从步骤2)所得更新小分子库中的取多个配体，将配体置于受体的活性位置点处，使多个配体与一个受体进行分子对接；/n4)构象搜索，使用BFGS算法进行构象搜索，将新生成的构象与初始构象进行匹配，当新生成的构象与初始构象相同或者两者预设差值不超过0.0001时，停止构象的搜索，得能量最低的构象，从而确定待筛选的药物。/n

【技术特征摘要】
1.一种基于BFGS算法的计算机药物筛选方法，其特征在于：包括以下步骤：
1)建立数据库，所述数据库是由30000-40000海洋小分子建立的数据集群，将数据集群中的海洋小分子进行循环遍历匹配，形成相似度为0-1的小分子库；
2)数据库预处理，删除步骤1)中所得的小分子库中相似度为1的小分子构象，得更新小分子库；
3)分子对接，从蛋白质数据库中取一个受体，从步骤2)所得更新小分子库中的取多个配体，将配体置于受体的活性位置点处，使多个配体与一个受体进行分子对接；
4)构象搜索，使用BFGS算法进行构象搜索，将新生成的构象与初始构象进行匹配，当新生成的构象与初始构象相同或者两者预设差值不超过0.0001时，停止构象的搜索，得能量最低的构象，从而确定待筛选的药物。


2.根据权利要求1所述的基于BFGS算法的计算机药物筛选方法，其特征在于：
所述步骤1)中，相似度的计算方法是分子指纹计算方法。


3.根据权利...

【专利技术属性】
技术研发人员：魏志强，刘素娥，刘昊，徐锡明，杨金波，汪雪婷，
申请(专利权)人：青岛海洋科学与技术国家实验室发展中心，中国海洋大学，
类型：发明
国别省市：山东;37