原创 木木 唯信计算 昨天

引言

今天给大家分享期刊Drug Discovery Today (DDT), Journal of Chemical Information and Modeling (JCIM)、Journal of Medicinal Chemistry (JMC)和Journal of Chemical Theory and Computation (JCTC)在药物发现和药物设计等方法学方面的一些前沿动态，供大家参考。以后我们也会在每周五定时推出各类期刊在生物计算方面的前沿动态，敬请大家期待。

Drug Discovery Today | SARS-COV-2药物高通量筛选的现状及发展方向

主要内容

目前新冠疫情仍在继续，为了应对目前的COVID-19大流行，美国国家转化科学发展中心临床前创新部（NCATS）的Xu等人于2021年5月在Drug Discovery Today上发表了名为High-Throughput Screening Assays for SARS-CoV-2 Drug Development: Current Status and Future Directions的研究成果，开发了一组新的分析方法，并通过该方法对具有抗SARS-CoV-2作用的已批准和临床试验药物进行了定量的高通量筛选。

该篇综述将目标特异性分析的复合筛选结果与表型分析的复合筛选结果进行了比较，并应用数据驱动方法评估了每种检测方法识别抗SARS-CoV-2的能力及各种检测方法的优缺点。结果表明多靶点分析在准确性和效率方面优于单靶点分析，而靶点特异性分析更适合研究化合物的作用机制。因此，开发同时针对SARS-CoV-2生命周期中多个靶点的新型HTS检测方法将有助于抗COVID-19药物的发现。

推荐理由

基于本综述提出的SARS-COV-2药物高通量筛选的现状及发展方向得出的筛选经验及比较结果可以为COVID-19药物的筛选分析及研发提供经验。

参考文献

Tuan Xu, Wei Zheng, and Ruili Huang, High-Throughput Screening Assays for SARS-CoV-2 Drug Development: Current Status and Future Directions, Drug Discovery Today, 2021, In Press. DOI:10.1016/j.drudis.2021.05.012.

原文链接

https://doi.org/10.1016/j.drudis.2021.05.012

JCIM | 药物发现及应用中的量子机器学习算法

主要内容

随着机器学习的发展，出现了越来越多的生物靶点小分子及生物体相关数据库，这为药物发现提供了大量的相关数据。但常用的机器学习算法如SVM和DNN等在应用于具有数千个分子体系的大型数据时计算成本十分昂贵，需要克服的挑战之一便是对大量的分子信息进行压缩。因此来自美国合作制药公司的Ekins等人于2021年5月在JCIM上发表了名为Quantum Machine Learning Algorithms for Drug Discovery Applications的研究成果，提出了一种量子计算机(QC)算法，并展示了具体的压缩操作方法。