产品帮助文档

# 药物-靶点相互作用（3D）

结合亲和力预测模块使用深度学习技术，结合三维结构信息，预测药物分子与靶标蛋白之间的结合亲和力。该模块可帮助科研人员筛选出高亲和力的候选药物分子，加速药物研发进程。通过深入分析分子和蛋白质的空间构象，模块能够提取复杂的特征，实现快速、精准的亲和力预测。

# 模块特点

  • 高效性与精准性：模块采用深度学习和3D结构分析，能够快速预测药物分子与靶标蛋白的亲和力，从而加速大量化合物的筛选。

  • 多样性与鲁棒性：在不同靶标上测试时，模型表现良好，能够适应实验数据的多样性，即使面对数据分布变化和异常情况，也能稳定提供可靠的预测结果，确保药物研发中的数据一致性。

# 使用步骤

打开神农量子云平台 (opens new window)【虚拟筛选-药物-靶点相互作用（3D）】模块。

# 步骤1：输入靶标蛋白结构

  1. 搜索PDB数据库：可通过模块的界面直接检索PDB数据库，找到并下载目标蛋白质结构。

  2. 上传.pdb文件：若有自定义的蛋白质结构文件，用户可以上传本地的.pdb格式文件。

    格式要求：标准PDB格式。

    建议预处理：去除水分子、添加氢原子。 使用【靶点预处理】模块。

# 步骤2：输入小分子文件

  1. 上传小分子文件：支持上传.mol2格式的小分子文件压缩zip文件，用于定义配体的分子结构。

  2. 选择小分子数据库：也可以从内置的小分子数据库中选择已有的化合物，便于批量进行亲和力预测。

格式要求：配体分子为标准mol2格式。

注意：配体分子与靶点蛋白是复合物中拆分出来的，配体与口袋、蛋白是对应的。如果配体与

# 步骤3：选择结合位点

  1. 上传结合位点文件：上传一个.pdb格式的结合位点文件，以指定蛋白质上与配体结合的特定区域。

# 步骤4：运行计算

  1. 点击“运行”按钮：确认所有参数配置后，点击【运行】按钮，开始亲和力预测计算。

# 结果说明

  • 文件说明：计算结果生成一个包含对接信息的文件夹压缩tar包，主要内容如下：

    • scores.json：包含每个配体的亲和力打分。
    • ligands/：口袋文件夹下包含筛选对接分数高的配体的对接构型文件（.mol2格式），压缩为zip格式存储。
    • protein/：包含输入的蛋白质结构文件。
    • pocket.pdb:口袋文件
    • ligands.csv:配体分子筛选结果csv文件
    # tar 包
output/
├── scores.json
├── ligands.csv
├── pocket2_atm.pdb
├── pocket3_atm.pdb
├── ligands/
│   └── ligands_mol2.zip
└── protein/
    └── 6lu7.pdb

# 配体三维结构zip 压缩包
ligands_mol2.zip
├──pocket2_atm/ # 口袋同名文件夹
│  ├── 644196.mol2
│  ├── 53361968.mol2
│  └── 451415.mol2
└── pocket3_atm/ # 口袋同名文件夹
   ├── 15942730.mol2
   ├── 441243.mol2
   ├── 94736851.mol2
   └── 134815261.mol2

  • 结果介绍

    • scores.json文件记录了各配体的亲和力打分数据，结合分值越低表示结合更稳定。

      参数名称 参数介绍 备注
      ID 分子标识 计算中唯一，来源多为分子库标识，通过从配体mol2文件中读取
      SMILES 分子式 通过从配体mol2文件中读取，转换得到的标准SMILES格式
      score 亲和力 pKd，对解离常数的取负对数，表示亲和力。

  • 使用引导 分数低的化合物通常为潜在的候选药物分子，值得进一步研究和验证。可以使用平台模块【结合自由能】继续药物开发的后续筛选计算。

← 药物-靶点相互作用（2D） →