In Silico Drug Design of Chikungunya Antivirals: Using Consensus Methods for Virtual Screening.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
Structure-based virtual screening is an attractive strategy in drug design. It enables the selection of potential binders to target biomolecules with known molecular structures, providing a rational framework for studying their mechanisms of action and guiding further optimization. However, accurately predicting the free energy of binding remains an extremely challenging task, and the available tools only provide approximate estimates. In this context, one strategy to improve the predictive power of virtual screening and increase the probability of identifying true binders is to employ multiple docking algorithms and combine their results using a consensus method. In this chapter, we will describe a step-by-step methodology to perform this task. We will conduct a virtual screening using AutoDock Vina, AutoDock4, and LeDock, and then combine their results employing the Exponential Consensus Ranking algorithm. Finally, we will discuss possible extensions of this strategy, such as incorporating Molecular Dynamics simulations as an additional filter in the virtual screening or integrating the novel Artificial Intelligence-based methodologies into the consensus framework.
نتیجه فارسی
این فصل یک روشنمای گامبهگام برای طراحی داروهای آنلاین ضد ویروس چیکونگونیا با استفاده از ترکیب نتایج چندین الگوریتم هدایت مجازی توصیف میکند. این رویکرد به طور خاص از AutoDock Vina، AutoDock4 و LeDock برای غربالگری و الگوریتم رتبهبندی توافق نمایی برای ترکیب نتایج استفاده میکند.
- استفاده از چندین الگوریتم هدایت برای افزایش دقت پیشبینی.
- ترکیب نتایج با الگوریتم رتبهبندی توافق نمایی.
- مطالعه پتانسیل گسترش با شبیهسازیهای دینامیک مولکولی و هوش مصنوعی.
ترجمه فارسی چکیده
غربالگری مجازی مبتنی بر ساختار یک استراتژی جذاب در طراحی دارو است. این روش امکان انتخاب بایندرهای بالقوه برای مولکولهای هدف با ساختارهای شناختهشده را فراهم میکند و چارچوبی عقلانی برای مطالعه مکانیسمهای اثر و هدایت بهینهسازیهای بعدی فراهم میآورد. با این حال، پیشبینی دقیق انرژی آزاد پیوند همچنان یک کار بسیار چالشبرانگیز است و ابزارهای موجود فقط تخمینهای تقریبی ارائه میدهند. در این زمینه، یکی از استراتژیها برای بهبود قدرت پیشبینی غربالگری مجازی و افزایش احتمال شناسایی بایندرهای واقعی، استفاده از چندین الگوریتم هدایت و ترکیب نتایج آنها با استفاده از یک روش توافق است. در این فصل، ما یک روشنمای گامبهگام برای انجام این کار را توصیف میکنیم. ما یک غربالگری مجازی با استفاده از AutoDock Vina، AutoDock4 و LeDock انجام میدهیم و سپس نتایج آنها را با استفاده از الگوریتم رتبهبندی توافق نمایی ترکیب میکنیم. در نهایت، ما به بررسی گسترشهای ممکن این استراتژی، مانند ادغام شبیهسازیهای دینامیک مولکولی به عنوان یک فیلتر اضافی در غربالگری مجازی یا ادغام روشهای نوین مبتنی بر هوش مصنوعی در چارچوب توافق میپردازیم.
روش پژوهش
غربالگری مجازی با استفاده از AutoDock Vina، AutoDock4 و LeDock انجام شد و نتایج آنها با الگوریتم رتبهبندی توافق نمایی ترکیب گردید.
محدودیتها
محدودیتهای روشهای موجود برای پیشبینی دقیق انرژی آزاد پیوند ذکر شده است. احتمال شناسایی بایندرهای واقعی به طور صریح گزارش نشده است.
نمای PICO و پیامدها
- جمعیت
- مولکولهای هدف با ساختار شناختهشده (مثلاً ویروس چیکونگونیا)
- مداخله/مواجهه
- طراحی آنلاین دارو با استفاده از چندین الگوریتم هدایت مجازی و روش توافق
- مقایسه
- غربالگری مجازی با یک الگوریتم هدایت (مقایسهای)
- حجم نمونه
- خیر
متن کامل اصلی
برای بررسی دسترسی کتابخانهای یا خرید، رکورد اصلی را باز کنید.
رفتن به منبع اصلی