MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415864175 · doi:10.26434/chemrxiv-2025-rn75p

A quantitative model of structure-based virtual screening performance

2025· article· W4415864175 sur OpenAlexaff
Laust Moesgaard, Brian K. Shoichet, Olivier Mailhot

Notice bibliographique

RevueChemRxiv · 2025
Typearticle
Langue
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversité de MontréalInstitute for Research in Immunology and Cancer
Organismes subventionnairesNational Institutes of Health
Mots-clésDocking (animal)Virtual screeningDOCKBivariate analysis

Résumé

récupéré en direct d'OpenAlex

In recent studies, large library docking has predicted novel ligands with high “hit-rates” (number active/number experimentally tested) when chosen from molecules top-ranked in the screen. Our focus on hit-rates reflects the wide-spread view that while docking can succeed as a loose classifier, distinguishing likely ligands from non-binders, its scores do not meaningfully relate to affinity owing to well-known weaknesses in docking scoring functions. Here, we investigate this by analyzing large-scale experiments for three docking campaigns, where 2,544 ligands were synthesized and tested across the scoring landscape (poor scores, mediocre scores, high scores). We find that the observed experimental hit-rate curves can be accurately reproduced by a simple bivariate normal distribution model, where dock score is interpreted as a noisy predictor of binding free energy. To account for the plateauing and subsequent drop in hit-rates often seen at highly favorable docking scores, we add a term for high-ranking docking artifacts, a well-documented phenomenon observed across targets. From this simple model, three predictions emerge. First, while the model anticipates the improved hit rates and affinities as libraries have grown into the billions of molecules, it also predicts that even slight improvements in scoring accuracy would substantially improve both hit-rates and hit affinities; equivalent hit-rates could also be achieved with smaller libraries if scoring functions were improved. Second, while the nature and prevalence of artifacts is hard to anticipate, left unconsidered they can come to dominate top-scoring lists as the libraries grow. This emphasizes the importance of physically testing molecules across a range of log-normalized ranks (here called pProp) to identify the peak hit-rate of the docking model. Third, the virtual library’s intrinsic hit-rate, reflecting the percentage of molecules that would be active if all were tested, has a large impact on docking performance. Thus, pre-filtering a library for molecules with even grossly appropriate features (e.g., charge, hydrophobicity) can meaningfully boost performance with tera-scale libraries. These predictions are consistent with observations from ultra-large library docking to date, and can help us optimize future work to improve and understand results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,086
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,086
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,003
Communication savante0,0040,008
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,325
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemRxiv→Même sujetComputational Drug Discovery Methods→Travaux en français237 207→