인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Fragment-based drug discovery is a popular approach in the early stages of drug development. Computational tools are integral to these campaigns, providing a route to library design, virtual screening, the identification of putative small-molecule binding sites, the elucidation of binding geometries, and the prediction of accurate binding affinities. In this context, molecular dynamics-based simulations are increasingly popular, but often limited by sampling issues. Here, we develop grand canonical nonequilibrium candidate Monte Carlo (GCNCMC) to overcome these limitations. GCNCMC attempts the insertion and deletion of fragments to, or from, a region of interest; each proposed move is subject to a rigorous acceptance test based on the thermodynamic properties of the system. We demonstrate that fragment-based GCNCMC efficiently finds occluded fragment binding sites and accurately samples multiple binding modes. Finally, binding affinities of fragments are successfully calculated without the need for restraints, the handling of multiple binding modes, or symmetry corrections.
#Fragment (logic)
#Context (archaeology)
#Binding affinities
#Monte Carlo method
#Drug discovery
#Affinities
#Computer science
#Non-equilibrium thermodynamics
#Statistical physics
#Computational biology
#Virtual screening
#Physics
#Algorithm
#Chemistry
#Bioinformatics
#Biology
#Stereochemistry
#Mathematics
#Genetics
#Statistics
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
