MUSE

产品详情

MUSE Invent是专为加快先导化合物识别与优化而设计的一个流程化的全新药物设计软件。使用MUSE Invent,药物化学家和CADD专家不仅可以设计满足各种特定指标含有全新结构、骨架或取代基团的先导药物候选物,同时可以给出候选物必要的合成路径。真正实现了计算机药物设计和实验室化学合成的完美融合。
      MUSE Invent以EA-Inventor作为分子进化引擎,该引擎仅需要一个适应度打分来评判产生的结构是否需要被保留;而适应度打分既可以是来自基于受体的分子对接得分,也可以是来自基于配体的三维药效团匹配性得分,甚至可以是多种打分经过重新组合后的综合得分。所以,MUSE Invent可以用来进行基于配体的全新药物设计。


 
MUSE Invent解决了药物发现科学工作者每天都要面对的问题:

应该怎么才能产生满足多种不同设计指标的类药化合物呢?

当搜寻完现有化合物库、一筹莫展的时候,该怎么办呢? 

如果对虚拟筛选的结果进行过滤后发现没有什么东西可以满足你设计目标的时候,该怎么做呢?       

MUSE INVENT是一个全新药物设计工作流,其使得用户可以解决有机化学上的问题直至获得更多新颖的类药化合物。MUSE INVENT自带了基于配体的打分函数,对于一组先导化合物,可以对其优化得到与之在形状与药效团性质上类似的新颖类药化合物。       成功的药物设计候选物应该考虑到:靶点的药效、靶点的选择性、良好的ADME性质、毒性等。MUSE INVENT允许生成这样的新颖类药化合物,其可以满足多重药物设计的参数。 
      有了MUSE INVENT,你还可以将其它的计算性质整合进来,并利用这些来优化设计新的类药化合物。这些性质可以是用公司内部的或第三方的打分函数(比如血脑屏障透过率、ADME性质、毒性、对接等等...)来生成,这样你就可以轻而易举地产生满足多重设计指标的新颖类药化合物。 

 



 MUSE Invent整合各种打分函数以实现先导化合物的发现

 MUSE INVENT是用分子进化方法来生成一代一代的分子。从你自己感兴趣的、或者MUSE INVENT提供给的一组结构出发,用28种进化分子算子将父代结构突变为子代结构。    MUSE INVENT的进化算子生成新颖类药化合物,在选中这些分子之前,先用优化的设计指标对这些分子打分。多次连续地循环操作,改善了每代生成的分子。

产生的每个子代都要被打分,只有那些最高得分的才能生存下来,直到用户指定的代数或者结构数量才结束。

MUSE INVENT产生的结构都是类药的、优美的,在合成的可行性上是没有问题的。

MUSE INVENT可以将有化学反应活性或不合理基团的结构自动过滤,并且用户可以自己设定过滤参数,例如添加自定义的规则。

 

 
  

采用MUSE Invent,科研工作者可以实现:
       产生满足特定设计指标的候选分子,同时考虑化学合成的可行性;
       生成全新结构的药物分子或进行骨架跃迁;
       固定分子母核产生新的R-基团;
       根据蛋白结合位点信息获取有效片段进行基于片段的药物设计;
       产生满足多重设计指标的新颖的类药化合物;
       可与公司内部或第三方的打分函数整合用作设计指标。

MUSE Invent的亮点:
      识别出可合成的药物候选物,同时给出分子必要的合成路径;
      设计满足多重设计指标的分子;
      设计与先导化合物在形状与药效团特征上一致的新颖候选药物;
      支持并行和远程网格作业加快TriposScore任务的计算速度;
      采用四核处理器,单次进程所需的时间已从5小时缩短到72分钟!
      采用网格计算机,单次进程所需的时间能从5小时缩短到15分钟!
      提供两种设计模式:“Synthesis Mode”和“Dream Mode”;
      增加各种视图分析功能,辅助数据挖掘与结果分析。

MUSE Invent的优势:
      对于药物化学家来说直观、易用;CADD专家更可以定制打分函数;
      跳出已知药物分子的局限,设计新颖的类药化合物,同时给出分子可能的合成路径;
      设计满足多重设计指标的分子(比如血脑屏障透过率、ADME性质、毒性、对接...),同时考虑合成可行性;
      开放的体系结构,方便研究者与其它CADD工具整合使用。

 




        MUSE Invent展示的结果化合物的分析图(合成路径、设计指标射线图、3D结构和SAR Map分析图)

 MUSE Invent为药物化学工作者、临时需要用到计算、或专业的计算化学工作者们提供了一个易于使用、直观的界面以加速其新化学结构获得的脚步。


参考文献:
Automated generation of turn mimetics: Proof of concept study for the MC4 receptor. J.C. Baber, R. Lowe, J. Saunders, M. Feher, Bioorg. & Med. Chemistry, 2012, 20(11), 3565-74.


 Atom Coloring for Chemical Interpretation and De Novo Design for Molecular Design. K. Hasegawa, K. Migita and K. Funatsu, in Knowledge-Oriented Applications in Data Mining, Edited K. Funatsu, ISBN 978-953-307-154-1 Publisher: InTech, 2011.


 NovoFLAP: A Ligand-Based De Novo Design Approach for the Generation of Medicinally Relevant Ideas. J.R. Damewood, Jr., C.L. Lerman and B.B. Masek J. Chem. Inf. Model., 2010, 50 (7), 1296–1303.


 Denovo Design of a Picomolar Nonbasic 5-HT1b Receptor Antagonist.
D.A. Nugiel, et. al., J. Med. Chem., 2010, 53 (4), 1876–1880.


 The use of ligand-based design for scaffold hopping and side-chain optimization: Two case studies. M Feher, Y Gao, JC Baber, WA Shirley, and J Saunders,  Bioorg. Med. Chem., 2008, 16, 422-427.


 A Tagged Fragment Method for Evolutionary Structure-Based de novo Lead Generation and Optimization. Q. Liu, B. Masek, K. Smith & J. Smith, J. Med. Chem., 2007, 50, 5392-5402


 Sharing Chemical Information without Sharing Chemical Structure. BB Masek,
L Shen, KM Smith, and RS Pearlman, J. Chem. Inf. Model., 2008, 48 (2), 256 -261

点击数:13094 录入时间:2014-12-18 08:42:39【打印此页】【返回

Copyright © 2008 - 2014 Tri-ibiotech.com All Right Reserved. | 备案许可证: 沪ICP备11020704.