Computational Virtual Screening Towards Designing Novel Anticancer Drugs
Notice bibliographique
Résumé
IntroductionGenerally speaking, Docking is most popular and critical issue in this research field, because it contains most important information both Ligands (Drugs) and Receptors (it can be intracellular protein, trans-membrane protein or extracellular protein).However, when the ligand's information is not sufficient, it needs other calculation strategies to design and "modify" the ligands, and theoretically improve the drug effects, and that is called De Novo Evolution Drug Design.Current methods for structure-based drug design can be divided roughly into two categories.The first category is about "finding" ligands for a given receptor, which is usually referred as database searching.In this case, a large number of potential ligand molecules are screened to find those fitting the binding pocket of the receptor.This method is usually referred as structure-based drug design.The key advantage of database searching is that it saves synthetic effort to obtain new lead compounds.Another category of structure-based drug design methods is about "building" ligands, which is usually referred as receptor-based drug design.In this case, ligand molecules are built up within the constraints of the binding pocket by assembling small pieces in a stepwise manner.These pieces can be either individual atoms or molecular fragments.The key advantage of such a method is that novel structures, not contained in any database, can be suggested.These techniques are raising much excitement to the drug design community.Above two computational methods, the first is called virtual screening by Docking (the drugs are well prepared and need to be screen out the most suitable candidates), and the other is De.Novo Evolution Drug Design (De Novo means "creates" or "building" ligands) [1][2][3].However, when the targeting protein is unclear, or the factors are complicated, QSAR method is implemented to help user solving these problems.Because QSAR method just needs ligands structures and IC 50 datasets to unveil an unknown novel drugs.Finally, when both of Ligands and Receptors are unknown, Homology Modeling is the only method for dealing with this problem.By using Homology Modeling, the Receptors 1-D sequences similarities can be used as a tool to reconstruct the 3-D structures.www.intechopen.com
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».