基于受体和配体的药物虚拟筛选的方法及系统技术方案

本发明专利技术涉及基于受体和配体的药物虚拟筛选的方法及系统，该方法包括以下步骤：(1)获取靶标受体的活性数据，所述受体的活性数据用于分子对接；(2)获取所述靶标受体的配体及其活性数据，以构建配体结构库；(3)处理所述配体结构库中的配体的活性数据，以得到所述配体的分子指纹；(4)将所述靶标受体与所述配体结构库中的配体进行分子对接，然后进行分子动力学模拟，再进行能量分解以得到能量分解值；(5)按比例选取所述分子指纹与所述能量分解值进行特征融合，根据机器学习算法建立模型；以及(6)利用所述模型进行药物虚拟筛选。本发明专利技术的药物筛选方法和系统成本低、效率高，在药物的活性预测、结构优化和设计领域具有广阔的应用前景。结构优化和设计领域具有广阔的应用前景。结构优化和设计领域具有广阔的应用前景。

【技术实现步骤摘要】
基于受体和配体的药物虚拟筛选的方法及系统


[0001]本专利技术属于计算机辅助药物设计
，尤其设计基于受体和配体的药物虚拟筛选的方法和系统。

技术介绍

[0002]药物研发是一项研发周期长、资金消耗大的高投入，低产出的系统工程。据报道，一个新药从概念化、先导结构确定、先导结构优化、临床前及临床实试验、上市，周期为10
‑
15年，投入资金约8亿美元，并且该投入随着药物研发难度的增加，仍在不断提高，根据塔夫茨药物研发中心(Tufts Center for the Study of Drug Development，CSDD)2014年的报告，药物研发投入资金已经高达25.58亿美元。尽管在新药研发的投入上不断增加，每年全世界产生的新药数目却呈现一个不断减低的趋势。1996年FDA批准上市的新药为53个，2007年低至15个。随着计算机辅助药物设计在药物发现中的作用不断增加，一些大型的制药企业和研究机构也开始进行相关的理论和应用研究。至今，已经产生很多应用计算机辅助方法成功研发新药的范例。但是，计算机辅助药物设计方法还在发展阶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于受体和配体的药物虚拟筛选的方法，其特征在于，包括以下步骤：(1)获取靶标受体的活性数据，所述受体的活性数据用于分子对接；(2)获取所述靶标受体的配体及其活性数据，以构建配体结构库；(3)处理所述配体结构库中的配体的活性数据，以得到所述配体的分子指纹；(4)将所述靶标受体与所述配体结构库中的配体进行分子对接，然后进行分子动力学模拟，再进行能量分解以得到能量分解值；(5)按比例选取所述分子指纹与所述能量分解值进行特征融合，根据机器学习算法建立模型；以及(6)利用所述模型进行药物虚拟筛选。2.根据权利要求1所述的药物虚拟筛选的方法，其特征在于，所述靶标受体的活性数据包括所述靶标受体的晶体结构，所述晶体结构分辨率低于2埃。3.根据权利要求1所述的药物虚拟筛选的方法，其特征在于，所述分子指纹为2D分子指纹或3D分子指纹。4.根据权利要求1所述的药物虚拟筛选的方法，其特征在于，所述配体的活性数据包括IC
50
、EC
50
和抑制率中的至少一个。5.根据权利要求1所述的药物虚拟筛选的方法，其特征在于，所述步骤(4)中，所述分子对接使用的软件为DOCK软件，选取打分最高的构象用于分子动力学模拟。6.根据权利要求5所述的药物虚拟筛选的方法，其特征在于，所述步骤(4)中，所述分子动力学模拟中，通过进行两步能量最小化，使用选择MM/GBSA方法计算体系的结合自由能。7.根据权利要求1
‑
6中任一项所述的药物虚拟筛选的方法，其特征在于，所述配体结构库中的配体为所述靶标受体的激动剂或拮抗剂。8.根据权利要求7所述的药物虚拟筛选的方法，其特征在于，所述机器学习算法为随机森林法，所述模型为SVM模型，以4:1或7:3的比例将所述激动剂和所述拮抗剂随机分成训练集和测试集，采取RBF核函数：K
RBF
(x1，x2)＝exp(
‑
γ||x1‑...

【专利技术属性】
技术研发人员：高敏，熊江辉，陈颖，辛冰牧，许楫，
申请(专利权)人：深圳市绿航星际太空科技研究院，
类型：发明
国别省市：