要約
リガンドひずみエネルギーは、リガンドの結合と非バウンド立体構造のエネルギーの違いであり、構造ベースの小分子薬物設計の重要な成分です。
タンパク質 – 小分子の共結晶構造で観察されたリガンドの大部分は、低ひもの立体構造に結合し、構造ベースの薬物設計のための有用なフィルターに緊張エネルギーを作ります。
この作業では、リガンドひずみを高精度で計算するためのツールを提示します。
StrainReliefは、MACEニューラルネットワークポテンシャル(NNP)を使用し、密度汎関数理論(DFT)計算の大規模なデータベースで訓練され、量子精度で中性分子のリガンド株を推定します。
このツールは、代替NNPよりも正確には、DFTに対するひずみエネルギー差を1.4 kcal/mol以内に推定することを示します。
これらの結果は、創薬におけるNNPの有用性を強調し、創薬チームに便利なツールを提供します。
要約(オリジナル)
Ligand strain energy, the energy difference between the bound and unbound conformations of a ligand, is an important component of structure-based small molecule drug design. A large majority of observed ligands in protein-small molecule co-crystal structures bind in low-strain conformations, making strain energy a useful filter for structure-based drug design. In this work we present a tool for calculating ligand strain with a high accuracy. StrainRelief uses a MACE Neural Network Potential (NNP), trained on a large database of Density Functional Theory (DFT) calculations to estimate ligand strain of neutral molecules with quantum accuracy. We show that this tool estimates strain energy differences relative to DFT to within 1.4 kcal/mol, more accurately than alternative NNPs. These results highlight the utility of NNPs in drug discovery, and provide a useful tool for drug discovery teams.
arxiv情報
著者 | Ewan R. S. Wallace,Nathan C. Frey,Joshua A. Rackers |
発行日 | 2025-03-17 16:33:52+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google