PharmaMind新工具AI分子对接MolDock发布

分子对接在现代药物开发中越来越重要，它可以高效模拟蛋白与配体的结合模式，提升药物筛选的准确性。为了帮助科研人员推进药物研发进程，英飞智药在其PharmaMind平台上新增了分子对接MolDock模块，让我们一起来探索这个新的工具。

一、MolDock-Sample对接采样召回率

图1对接采样测试结果显示，随着运行次数的增加，当运行300次时对接构象采样成功率（RMSD<2埃）达到了86.32%，即285个体系中有246个体系能对接成功。该结果表明MolDock-Sample采样方式能够比较好地复现出晶体的结合模式。

图1. MolDock采样在CASF-2016数据集上的测试结果。

二、MolDock-RefineScore虚拟筛选性能评估

在药物设计领域，筛选能力是评估打分系统实用性的重要指标。通过在多个标准数据集（如CASF-2016、DEIKOS2.0 和 DUD-E）上的测评，我们将MolDock-Score的筛选性能与市场上的顶级软件进行对比，其中包括开源软件Vina以及商业软件Glide SP。表1/2/3数据显示，MolDock-RefineScore在这些数据集上的表现与广受认可的商业软件Glide SP（相关数据均为文献收集数据）相比，具备相当的竞争力，进一步证明了MolDock在药物虚拟筛选中的可靠性，为药物研发人员提供了一个有力的工具，帮助他们加速创新药物的发现与开发过程。

表1. Vina/Glide SP/RefineScore在CASF-2016标准数据集上的虚筛性能评测

表2. Glide SP/RefineScore在DEKOIS2.0标准数据集上的虚筛性能评测 

表3. Glide SP/RefineScore在DUD-E标准数据集上的虚筛性能评测

三、MolDock-Score打分能力和排序能力测试评估

CASF-2016评价体系中包含了打分能力（Scoring power）和排序能力（Ranking power）。图2的结果反映了目前MolDock-RefineScore目前也具备了领先的打分能力和排序能力。

图2. MolDock-Score在CASF-2016数据集上的打分能力评估（左图）和排序能力评估（右图）。

四、案例展示：晶体结构复现

以目前比较热门的GLP-1R靶点的6XOX晶体结构为例，进行小分子结合构象复现。

在我们在PharmMind平台上使用MolDock，直接输入小分子的SMILES字符串：Cc1cc(cc(c1F)C)n2c(c3c(n2)CCN([C@H]3C)C(=O)c4cc5cc(ccc5n4[C@]6(C[C@@H]6C)C7=NOC(=O)N7)[C@H]8CCOC(C8)(C)C)N9C=CN(C9=O)c1ccc2c(c1F)cnn2C。使用默认参数进行重对接复现晶体结构（需要把Filter setting部分的分子量范围提高到900，避免该分子被过滤掉），结果如图3所示。

图3. Orforglipron对接结果比较图。

左图是MolDock的对接结果（浅杏黄色是原始晶体构象，紫色是对接最优构象，RMSD = 1.34 Å），右图是其他合作单位用Glide SP的默认参数对接结果（浅杏黄色是原始晶体构象，黄色是对接最优构象，RMSD = 4.90 Å）。

•蛋白准备模块：补全残基，替换非标准残基，加氢，氢键网络优化，能量最小化（需要开通企业账号），自定义口袋；

•配体准备模块：质子化状态、异构体生成、三维构象生成、分子类药性过滤，支持smiles/sdf的分子上传；

•对接配置模块：支持RefineScore，对接构象筛选。