NNScore: a neural-network-based scoring function for the characterization of protein-ligand complexes.
NNScore: a neural-network-based scoring function for the characterization of protein-ligand complexes.
复制标题
DOI：
10.1021/ci100244v
复制
发表时间：
2010-10-25
影响因子：
5.6
通讯作者：
McCammon, J. Andrew
中科院分区：
文献类型：
--
作者：
Durrant, Jacob D.;McCammon, J. Andrew
由于高通量生化筛查既昂贵又劳动密集型，学术界和工业界的研究人员越来越多地转向虚拟筛查方法。虚拟筛选依赖于评分功能来快速评估配体的效力。虽然这些计分功能对配基鉴定很有用，但通常会给出许多假阳性和假阴性；事实上，经过适当训练的人通常可以通过目测更准确地评估配基的效力。鉴于人类大脑在蛋白质−配体复合体表征方面的成功，我们在这里提出了一个基于神经网络的评分函数，这是一个试图模拟大脑微观组织的计算模型，尽管不够充分。计算机辅助药物设计依赖于快速和准确的评分功能来帮助识别小分子配体。这里介绍的评分功能可以单独使用，也可以与其他更传统的功能结合使用，在未来的药物发现工作中可能会被证明是有用的。
As high-throughput biochemical screens are both expensive and labor intensive, researchers in academia and industry are turning increasingly to virtual-screening methodologies. Virtual screening relies on scoring functions to quickly assess ligand potency. Although useful for in silico ligand identification, these scoring functions generally give many false positives and negatives; indeed, a properly trained human being can often assess ligand potency by visual inspection with greater accuracy. Given the success of the human mind at protein−ligand complex characterization, we present here a scoring function based on a neural network, a computational model that attempts to simulate, albeit inadequately, the microscopic organization of the brain. Computer-aided drug design depends on fast and accurate scoring functions to aid in the identification of small-molecule ligands. The scoring function presented here, used either on its own or in conjunction with other more traditional functions, could prove useful in future drug-discovery efforts.
登录
查看更多内容
影响因子：
2.9
作者：
Mooij, WTM;Verdonk, ML
通讯作者：
Verdonk, ML
影响因子：
7.3
作者：
Durrant, Jacob D.;Urbaniak, Michael D.;McCammon, J. Andrew
通讯作者：
McCammon, J. Andrew
影响因子：
5.4
作者：
Xu, Xiaojin;Zhu, Xueyong;Wilson, Ian A.
通讯作者：
Wilson, Ian A.
影响因子：
3
作者：
Trott, Oleg;Olson, Arthur J.
通讯作者：
Olson, Arthur J.
DOI：
10.1016/j.ddtec.2004.08.004
发表时间：
2004-12-01
期刊：
Drug discovery today. Technologies
影响因子：
--
作者：
Schulz-Gasch, Tanja;Stahl, Martin
通讯作者：
Stahl, Martin