WADDAICA: A webserver for aiding protein drug design by artificial intelligence and classical algorithm.
WADDAICA: A webserver for aiding protein drug design by artificial intelligence and classical algorithm.
复制标题
DOI：
10.1016/j.csbj.2021.06.017
复制
发表时间：
2021
影响因子：
6
通讯作者：
Yao X
中科院分区：
文献类型：
--
作者：
Bai Q;Ma J;Liu S;Xu T;Banegas-Luna AJ;Pérez-Sánchez H;Tian Y;Huang J;Liu H;Yao X
人工智能可以将相关的已知药物数据训练成用于药物设计的深度学习模型，而经典算法可以通过既定的和预定义的程序来设计药物。深度学习和经典算法在药物设计方面都有各自的优点。在这里，构建了Web服务器WADDAICA，以利用深度学习模型和经典算法进行药物设计。WADDAICA主要包含两个模块。在第一个模块中，WADDAICA为化合物的支架跳跃提供深度学习模型，以修改或设计新的新药。WADDAICA中使用的深度学习模型基于PDBbind数据库显示出良好的评分能力。在第二个模块中，WADDAICA提供了通过经典算法修改或设计新的新药的功能。WADDAICA显示出比Autodock维纳更好的结合亲和力的Pearson和斯皮尔曼相关性，Autodock被认为具有最好的评分能力。此外，WADDAICA提供了一个友好方便的Web界面，供用户提交药物设计工作。我们相信WADDAICA是一个有用和有效的工具，可以帮助研究人员通过深度学习模型和经典算法来修改或设计新药。WADDAICA是免费的，可在https://bqflab.github.io或https://heisenberg.ucam.edu:5000上访问。
Artificial intelligence can train the related known drug data into deep learning models for drug design, while classical algorithms can design drugs through established and predefined procedures. Both deep learning and classical algorithms have their merits for drug design. Here, the webserver WADDAICA is built to employ the advantage of deep learning model and classical algorithms for drug design. The WADDAICA mainly contains two modules. In the first module, WADDAICA provides deep learning models for scaffold hopping of compounds to modify or design new novel drugs. The deep learning model which is used in WADDAICA shows a good scoring power based on the PDBbind database. In the second module, WADDAICA supplies functions for modifying or designing new novel drugs by classical algorithms. WADDAICA shows better Pearson and Spearman correlations of binding affinity than Autodock Vina that is considered to have the best scoring power. Besides, WADDAICA supplies a friendly and convenient web interface for users to submit drug design jobs. We believe that WADDAICA is a useful and effective tool to help researchers to modify or design novel drugs by deep learning models and classical algorithms. WADDAICA is free and accessible at https://bqflab.github.io or https://heisenberg.ucam.edu:5000.
登录
查看更多内容
基于深度学习的药物-靶点相互作用预测
影响因子：
4.4
作者：
Wen, Ming;Zhang, Zhimin;Lu, Hongmei
通讯作者：
Lu, Hongmei
影响因子：
8.6
作者：
Bienfait B;Ertl P
通讯作者：
Ertl P
影响因子：
14.8
作者：
Li, Yan;Su, Minyi;Wang, Renxiao
通讯作者：
Wang, Renxiao
结构和序列相似性对基于机器学习的蛋白质-配体相互作用评分函数产生重大影响
影响因子：
5.6
作者：
Li, Yang;Yang, Jianyi
通讯作者：
Yang, Jianyi
DOI：
10.1093/bioinformatics/bty374
发表时间：
2018-11-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Stepniewska-Dziubinska MM;Zielenkiewicz P;Siedlecki P
通讯作者：
Siedlecki P