Computational Chemistry for the Identification of Lead Compounds for Radiotracer Development.
Computational Chemistry for the Identification of Lead Compounds for Radiotracer Development.
复制标题
DOI：
10.3390/ph16020317
复制
发表时间：
2023-02-18
期刊：
影响因子：
--
通讯作者：
Mach RH
中科院分区：
文献类型：
--
作者：
Hsieh CJ;Giannakoulias S;Petersson EJ;Mach RH
计算机辅助药物设计（CADD）用于鉴定放射性示踪剂开发中的先导化合物的应用正在稳步增加。传统的CADD方法，如基于结构和基于配体的虚拟筛选和优化，已经成功地应用于许多药物发现项目，并在整个综述中得到强调。首先，我们讨论了在药物发现项目开始时使用虚拟筛选进行命中识别。其次是分析如何从虚拟筛选中获得的命中值可以过滤和剔除到极有可能在体外试验中进行测试的候选物。然后，我们说明了如何使用CADD来优化虚拟筛选中实验验证的命中化合物的效力，以用于正电子发射断层扫描（PET）。最后，我们总结了应用机器学习（ML）的CADD最新技术。
The use of computer-aided drug design (CADD) for the identification of lead compounds in radiotracer development is steadily increasing. Traditional CADD methods, such as structure-based and ligand-based virtual screening and optimization, have been successfully utilized in many drug discovery programs and are highlighted throughout this review. First, we discuss the use of virtual screening for hit identification at the beginning of drug discovery programs. This is followed by an analysis of how the hits derived from virtual screening can be filtered and culled to highly probable candidates to test in in vitro assays. We then illustrate how CADD can be used to optimize the potency of experimentally validated hit compounds from virtual screening for use in positron emission tomography (PET). Finally, we conclude with a survey of the newest techniques in CADD employing machine learning (ML).
登录
查看更多内容
影响因子：
3.4
作者：
Daina, Antoine;Zoete, Vincent
通讯作者：
Zoete, Vincent
影响因子：
5
作者：
Ågren R;Zeberg H;Stępniewski TM;Free RB;Reilly SW;Luedtke RR;Århem P;Ciruela F;Sibley DR;Mach RH;Selent J;Nilsson J;Sahlholm K
通讯作者：
Sahlholm K
影响因子：
5.6
作者：
Bonanno, Etienne;Ebejer, Jean-Paul
通讯作者：
Ebejer, Jean-Paul
影响因子：
4.6
作者：
Daina A;Michielin O;Zoete V
通讯作者：
Zoete V
影响因子：
5.8
作者：
Arnold, K;Bordoli, L;Schwede, T
通讯作者：
Schwede, T