PlaceWaters: Real-time, explicit interface water sampling during Rosetta ligand docking.
PlaceWaters: Real-time, explicit interface water sampling during Rosetta ligand docking.
复制标题
Placewaters：Rosetta配体对接期间的实时，显式接口水采样。
DOI：
10.1371/journal.pone.0269072
复制
发表时间：
2022
期刊：
影响因子：
3.7
通讯作者：
Meiler J
中科院分区：
文献类型：
--
作者：
Smith ST;Shub L;Meiler J
位于蛋白质-小分子界面的水分子经常与小分子配体和蛋白质形成氢键，影响结合事件的结构完整性和能量学。研究表明，包括这些“桥接水”可以提高预测的对接结构的准确性；然而，由于计算成本增加，在配体对接模拟中通常会省略这一步。在这项研究中，我们引入了一种资源高效的、基于Rosetta的协议“PlaceWaters”来预测配体对接模拟过程中显式界面桥接水域的位置。与其他显式水方法不同，该方法不依赖于同源结构中结晶水的数目和位置的知识。我们在一个不同的蛋白质-小分子基准集上测试了这种方法，并与其他基于Rosetta的协议进行了比较。我们的结果表明，这种粗粒度的、基于结构的方法快速准确地预测了桥水的位置，提高了我们通过计算筛选候选药物的能力。
Water molecules at the protein-small molecule interface often form hydrogen bonds with both the small molecule ligand and the protein, affecting the structural integrity and energetics of a binding event. The inclusion of these ‘bridging waters’ has been shown to improve the accuracy of predicted docked structures; however, due to increased computational costs, this step is typically omitted in ligand docking simulations. In this study, we introduce a resource-efficient, Rosetta-based protocol named “PlaceWaters” to predict the location of explicit interface bridging waters during a ligand docking simulation. In contrast to other explicit water methods, this protocol is independent of knowledge of number and location of crystallographic waters in homologous structures. We test this method on a diverse protein-small molecule benchmark set in comparison to other Rosetta-based protocols. Our results suggest that this coarse-grained, structure-based approach quickly and accurately predicts the location of bridging waters, improving our ability to computationally screen drug candidates.
登录
查看更多内容
DOI：
10.1007/978-1-61779-465-0_10
发表时间：
2012
期刊：
Methods in molecular biology (Clifton, N.J.)
影响因子：
--
作者：
Lemmon, Gordon;Meiler, Jens
通讯作者：
Meiler, Jens
影响因子：
5.6
作者：
Friedrich, Nils-Ole;Meyder, Agnes;Kirchmair, Johannes
通讯作者：
Kirchmair, Johannes
影响因子：
3.7
作者：
DeLuca S;Khar K;Meiler J
通讯作者：
Meiler J
影响因子：
2.9
作者：
Lensink MF;Moal IH;Bates PA;Kastritis PL;Melquiond AS;Karaca E;Schmitz C;van Dijk M;Bonvin AM;Eisenstein M;Jiménez-García B;Grosdidier S;Solernou A;Pérez-Cano L;Pallara C;Fernández-Recio J;Xu J;Muthu P;Praneeth Kilambi K;Gray JJ;Grudinin S;Derevyanko G;Mitchell JC;Wieting J;Kanamori E;Tsuchiya Y;Murakami Y;Sarmiento J;Standley DM;Shirota M;Kinoshita K;Nakamura H;Chavent M;Ritchie DW;Park H;Ko J;Lee H;Seok C;Shen Y;Kozakov D;Vajda S;Kundrotas PJ;Vakser IA;Pierce BG;Hwang H;Vreven T;Weng Z;Buch I;Farkash E;Wolfson HJ;Zacharias M;Qin S;Zhou HX;Huang SY;Zou X;Wojdyla JA;Kleanthous C;Wodak SJ
通讯作者：
Wodak SJ
DOI：
10.1007/978-1-61779-465-0_22
发表时间：
2012-01-01
期刊：
COMPUTATIONAL DRUG DISCOVERY AND DESIGN
影响因子：
--
作者：
Kastritis, Panagiotis L.;van Dijk, Aalt D. J.;Bonvin, Alexandre M. J. J.
通讯作者：
Bonvin, Alexandre M. J. J.