1、药物及生物活性小分子发现与分子设计3124SwissTargetPredictionDDI-CPISEPPA 2.0ProTox5 总结与展望SwissTargetPrediction映射活性小分子的目标分子可以预测潜在机理和副作用用于生物活性小分子靶点预测生物活性小分子连接到蛋白或者大尺寸目标分子来调节生物活性：SwissTargetPrediction用于生物活性小分子靶点预测 特点：结合2D和3D相似性测量；预测可针对五个不同生命体；数据集包括280381个小分子与2686个目标相互作用，其中66的目标是人类的； 3D相似性计算： 18维特征实数向量： 每个分子通过ChemAxon mo
2、lconvert工具生成20个同分异构体； 超过20个时，选择能量最低的构象；不足20个时，则选择全部构象； Manhattan距离： 构象x和y特征的曼哈顿距离计算公式： 最终的3D相似值计算公式： dij是2020组里最小曼哈顿距离，所以s1是其中最大值。 ijd1811/1s1SwissTargetPrediction用于生物活性小分子靶点预测 2D相似性计算： 指纹描述分子： 分子指纹是一个多“位(bit)”的编码，每一位代表着某种预定义的子结构； 如果该子结构在某分子中存在；其分子指纹的对应位就是1，否则就是0； 谷本(Tanimoto)系数定量： Tanimoto系数介于0, 1之
3、间； 如果A和B完全相同，交集等于并集，值为1；如果没有任何关联，交集为空，值为0； 对于分子指纹进行按位计算。FP3分子指纹Tanimoto系数公式s2=SwissTargetPrediction用于生物活性小分子靶点预测序号 结构 名 7 (=S) thioaldehyde8 C(=) thioketone9 =N() imine10 C()=() hydrazone11 C()=()C(=)() Semicarbazone 结 3D和2D相似性 预测分数： 3D相似 值：s10.65 ;2D相似 值：s20.3 则 ：s1=(s1-0.65)/(1-0.65) ，s2=(s2-0.3)/
4、(1-0.3) 靶点预测分数( )：f(s1, s2)=(1+exp-a0-a1s1-a2s2)-1SwissTargetPrediction用于生物活性小分子靶点预测Number of heavy atoms a0 a1 a2=10 -3.262413174 6.322854779 6.56839400211 -3.72535153 5.095483542 6.41758994112 -3.837945832 4.912160662 6.66216258713 -4.165145117 5.434698827 6.38604761514 -4.098154884 5.071728873 5.
5、88015397915 -4.329105882 4.856611016 5.7806274916 -4.315410702 4.48602273 5.75747331517 -4.748260105 4.821008953 6.427766956 Precision(精确度)-预测分数曲线： 该 中的所有分子 分子 进行分组，每组有一个 机组成的1000个分子的子集用 ； 用 一交 ：通过和其 体分子，每个分子进行预测； 靶点的 ：性个数/同一组所有分子的预测目标分子个数； 目标分数映射 可能性值。可能性currency1currency1是于交 的结果，并不代表“的预测 可能性SwissTargetPrediction用于生物活性小分子靶点预测 交叉验证： 在定的fifl中， 大部分fifl进行， 小部分fifl用的进行预 ，并小部分fifl的预 ； K”交 ： fi分成K个子fifl，一个 的子fifl 作为 的数 ，其 K-1个fifl用 ，交 K，10”交 最为用； 一 ： 用flfifl中的一 ， 的则 SwissTargetPrediction用于生物活性小分子靶点预测
