jmc期刊(jmca期刊影响因子2021)

介绍

今天，我想和你们分享《化学科学》( Chem。Sci。).《化学信息与建模杂志》(JCIM)、《化学理论与计算杂志》(JCTC)、《药物化学杂志》(JMC)和《自然计算科学》(nat.compute.sci .)供参考。本期内容如下:

1.化学。Sci。|环的构象取样，芳香残基侧链的翻转配位作用

2.基于高通量筛选的JCIM |快速评分函数预测对接姿态的准确性

3.JCTC |基于自适应机器学习潜力的元动力学的自由能计算加速

4.JMC |计算生物活性指纹的相似性以指导新骨骼的发现

5 5.纳特。计算机。Sci。阿尔茨海默病相关的Aβ肽动力学系统

未来，我们将于每周五定期发布生物计算领域各类期刊的前沿动态，敬请关注。

化学。Sci。|环的构象取样，芳香残基侧链的翻转配位作用

主要内容

人组蛋白去乙酰化酶8(HDAC8)是基因调控中的关键水解酶，也是重要的药物靶点。基于HDAC8高分辨率晶体结构的理论模拟有助于我们进一步理解其功能和结构。2021年5月底，英国伦敦大学的Shukla等人在《化学科学》杂志上发表了《芳香侧链翻转编排人类组蛋白去乙酰化酶中功能环的共形采样》一文。e .采用Markov状态模型进行10 ms的全原子长程分子动力学模拟，描述HDAC8功能环与其活性位点的关系，以及临床相关突变对其的影响。结果表明，活性位点附近芳香残基侧链的构象反转与HDAC8周围功能环的开合有很强的相关性。此外，还对具有HDAC8酶活性的突变株的突变机理进行了分析。

推荐理由

本文通过分子动力学模拟论证了HDAC8酶活性位点与其功能环之间的相关性，并基于活性位点提供了一个概念平台，推导了调控HDAC8的机制。此外，基于本文的经验，可以解释CdLS等遗传疾病和突变的机制，这有助于基因疾病的治疗。

参考

Vaibhav Kumar Shukla，Lucas Siemons，Francesco L. Gervasio和D. Flemming Hansen，芳香侧链翻转编排人类组蛋白脱乙酰酶8中功能环的构象取样，化学科学，2021，90，高级文章。DOI: 10.1039/ D1SC01929E。

原始链接

https://doi.org/10.1039/D1SC01929E

基于高通量筛选的JCIM |快速评分函数预测对接姿态的准确性

主要内容

在过去的20年里，人们发展了数百种快速评分方法来预测蛋白质-配体复合物三维结构的结合自由能。然而，由于数据集的准确性，仍然缺乏基于高通量虚拟筛选的数据集来验证评分功能。2021年6月，Nguyen等人在JCIM上发表了“快速评分函数预测对接姿势高通量筛选数据的真实准确性:越简单越好”。研究结果:基于内部开发的高可靠性筛选数据集(LIT-PCBA)，完整公正地评估了四种评分函数(Pafnucy、vinaRF20、IFP和GRIM)下组合姿态预测的准确性。该数据集涵盖了15种不同药物靶标的约300万个数据，具有代表性和准确性。结果表明，在大多数情况下，基于简单交互指纹或交互图形的评分方法优于机器学习和深度学习的评分方法。此外，研究还表明，基于现有组合模式的检测是评价评分方法的关键。

推荐理由

本文强调交互评分法优于深度学习评分法，未来评分法的发展不应局限于深度学习等前沿理论。此外，本研究强调了基于结构的虚拟筛选方法中经常被忽略的三个基本规则。(1)任何评分函数对已知实验亲和力的预测精度都不能表明其虚拟筛选能力；(2)评价评分函数的筛选精度，需要认真、公正地检查测试集，保证数据集的准确性和合理性；(3)模拟现有的组合方式是检验评分方法的一种简单有效的方法。

参考

Viet-Khoa Tran-Nguyen、Guillaume Bret和Didier Rognan,《从对接姿势预测高通量筛选数据的快速评分函数的真实准确性:越简单越好》,化学信息和建模杂志，2021年，ASAP。DOI: 10.1021/acs.jcim.1c00292。

原始链接

https://doi.org/10.1021/acs.jcim.1c00292.

JCTC |基于自适应机器学习潜力的元动力学的自由能计算加速

主要内容

随着从头算分子动力学自由能计算需求的增加，元动力学(MetaD)模拟常用于重建自由能势能面。然而，由于第一性原理计算的难度，通常使用机器学习潜能(MLPs)来代替。然而，机器学习的训练是一个漫长的过程。因此，2021年6月，徐等人在上发表了一项名为《具有自适应机器学习潜力的加速基于元动力学的自由能计算》的研究成果。提出了一种基于自适应机器学习势的超动力学加速自由能计算方法(AMLP-MetaD)。在该方法中，高斯近似势(GAP)形式的MLP可以根据其不确定性估计进行调整，并决定是接受模型预测还是重新计算，以便在MetaD的模拟过程中进行进一步的训练。结果表明，AMLP-梅塔德可以获得高效率的自由能势能面。此外，研究还表明，DFTB能隙可以进一步提高FES结构的准确性，利用δ-MLP可以大大提高自由能计算的质量。

推荐理由

本文提出了一种AMLP-MetaD方法，将δ-MLP训练与MetaD仿真紧密结合，可以有效减少DFT计算，提高MetaD仿真效率。研究结果在催化研究中非常重要，可以为研究有限温度、更大空时间尺度下的复杂催化反应提供更多的机会。

参考

、肖、胡，用自适应机器学习加速基于元动力学的自由能计算，化学理论与计算学报，2021，ASAP。DOI: 10.1021/acs.jctc.1c00261。

原始链接

https://doi.org/10.1021/acs.jctc.1c00261

JMC |计算生物活性指纹的相似性以指导新骨骼的发现

主要内容

作为现代药物化学的核心任务之一，骨架跳跃有望促进新的生物活性化合物的发现，并拓宽化学空的知识。2021年6月，中南大学曹东升教授团队和浙江大学侯廷军教授团队发表了名为“计算生物活性指纹相似度”的研究成果，为JMC上新型支架的发现导航。本文提出了一种简化的骨架跳跃(CBFP)方法来计算生物活性指纹，该方法包含了描述化合物生物活性空的几个QSAR模型的预测生物活性，从而寻找新的骨架。结果表明，与其他方法相比，CBFP在跳支架方面具有突出的优势。此外，在新抑制剂发现的前瞻性验证中，用该方法测试了35种不同结构的化合物。结果表明，CBFP方法对探索未知化合物空和发现新化合物有很好的效果。

推荐理由

与以往模型相比，CBFP模型具有更好的预测效果。尽管许多基于配体或结构的虚拟筛选策略在以往的研究中表现出良好的性能，但一旦应用于实践，其结果通常并不符合预期。本文建议在进行追溯性验证的同时，进行适当的前瞻性验证，以确定实际操作中绩效的可转移性，排除不合适的模型。

参考

郭，，，钟，陆爱平，严成，和董，计算生物活性指纹图谱相似性指导新型支架的发现，药物化学杂志，2021，64，11，7544-7554。DOI:10.1021/ACS . jmedchem . 1c 00234。

原始链接

https://doi.org/10.1021/acs.jmedchem.1c00234

阿尔茨海默病相关的Aβ肽动力学系统

主要内容

无序蛋白质的构象和热力学性质通常用结构和自由能来描述。为了提供关于蛋白质不同状态之间跃迁速率的信息，这种描述需要扩展到动态系综。2021年，Thomas等人在Nature Computational Science上发表了一项名为阿尔茨海默病A β肽的动力学系综的研究成果，开发了一个Markov状态模型，并将其应用于确定一个与阿尔茨海默病相关的障碍肽Aβ42的动力学系综。本文利用Google的计算引擎生成了整个原子的315条精细分子动力学轨迹，并利用神经网络方法中基于概率的构象态定义，找到了微秒时间尺度下Aβ42的展开态和折叠态之间的跃迁特征。本文的研究结果表明，动力学可以提供关于无序蛋白质的结构、热力学和动力学的有效信息。

推荐理由

本文采用神经网络方法来确定Aβ42的动态系综。准确捕捉了Aβ42和Aβ42-MetSO肽的结构和动力学差异，证明了Markov模型方法的优势，表明其对复杂热力学和动力学的研究具有良好的效果。此外，该模型还可进一步应用于其他蛋白质的构象和热力学性质的预测。

参考

Thomas lhr，Kai Kohlhoff，Gabriella T. Heller，Carlo Camilloni和Michele Vendruscolo，阿尔茨海默氏症Aβ肽的动力学系综，自然计算科学，1，71-78。DOI: 10.1038/s43588-020-00003-w。

原始链接

https://doi.org/10.1038/s43588-020-00003-w

仲达维信头条号、仲达维信微信官方账号、维信计算订阅号均由仲达维信科技有限公司运营，请注意转发，未经授权禁止转载。