Dockthor:Implementation, upgrade and validation of a receptor-ligand Docking software
Bibliographic record
Abstract
Os métodos computacionais de docking receptor-ligante são importantes ferramentas utilizadas em estudos na quimica medicinal, auxiliando o processo de descoberta de novos fármacos para alvos moleculares envolvidos em doenças sem tratamento, ou que necessitam de novos tratamentos quimioterápicos. Estes métodos são parte importante dentro da abordagem conhecida como desenho racional de fármacos baseado em estruturas. Esta dissertação apresenta o desenvolvimento da nova versão do programa Dockthor, para docking molecular de ligante flexível, tendo como inovações: (i) uma nova e completa implementação computacional com o aperfeiçoamento do algoritmo genético não-geracional de múltiplas soluções; (ii) a implementação do campo de força molecular MMFF94; (iii) a criação de ferramentas auxiliares para parametrização automática de ligantes, cofatores e receptores protéicos; (iv) introdução da opção de triagem virtual. A nova versão do programa foi validada utilizando dois conjuntos teste. O primeiro envolvendo cinco ligantes altamente flexíveis do receptor HIV-I protease. O segundo, envolvendo 35 complexos receptor-ligante com uma grande diversidade strutural e química nos ligantes, associados a receptores representativos de 18 famílias de proteínas. A validação do programa foi feita através de experimentos de redocking sem utilizar nenhuma etapa de pré-otimizacão do ligante dentro do sítio receptor. Os resultados obtidos são considerados muito bons nos seguintes aspectos: (i) foi obtida uma taxa de sucesso de cerca de 80% (90%) no redocking de ligantes da HIV-1 protease considerando as solucoes de menor energia (menorRMSD); (ii) foi obtida uma taxa de sucesso de cerca de 94% (99%) no redocking do conjunto mais amplo de ligantes considerando as solucoes de menor energia (menor RMSD); (iii) com exceção de dois casos, todas as soluções de menor energia encontradas apresentavam um RMSD < 2.5 _A com relação a estrutura experimental. Os excelentes resultados obtidos nos experimentos de redocking mostram que o programa está apto para estudos de interações receptor-ligante envolvendo moléculas de interesse na química medicinal. As facilidades introduzidas no programa Dockthor permitirão a sua disponibilização e uso pela comunidade acadêmica e grupos de pesquisa atuantes na área de desenho racional de fármacos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".