计算机辅助药物设计

以精准和洞察力加速药物发现

通过Enamine先进的计算机辅助药物设计(CADD)服务,释放体外药物发现的全部潜力。

与我们合作,您将获得量身定制的建模工作流程,整合了先进的分子建模、人工智能驱动的筛选以及药物化学专业知识——所有这些都专注于提高您在早期药物发现中的成功率。

我们的团队将全程支持您,从靶点识别和结构预测,到命中化合物识别、先导化合物优化,直至后续开发。我们结合了基于结构和基于配体的虚拟筛选、分子对接、分子动力学以及自由能微扰(FEP)等工具,帮助您优先选择最有前景的候选化合物进行合成和生物测试。

您获得的不仅仅是计算工具的使用权,更是一种以结合亲和力预测、ADMET特性分析和实时决策为核心的结果导向型策略,旨在降低您研发管线的成本和时间。

通过与Enamine CADD部门合作,您将受益于:

  • 对靶点行为和结合口袋动态的深入洞察
  • 从Enamine REAL库和筛选库中快速识别和排序命中化合物
  • 整合人工智能(AI)、机器学习(ML)和化学信息学,探索广阔的化学空间
  • 从虚拟筛选到合成及生物验证的无缝衔接

无论您面对的是具有挑战性的蛋白质、RNA结构,还是新颖的化学系列,我们的计算化学专业知识都能帮助您自信地进行设计、预测和优化。

靶点建模与研究

同源建模

  • 针对未解析结构的靶点进行三维结构预测
  • 结构修复
  • 突变体建模

靶点结构分析

  • 潜在结合位点搜索
  • 活性残基预测
  • 人工智能结合点位预测

DNA/RNA-复合物建模

  • RNA 沟槽中的嵌插与结合
  • G-四链体(G-quadruplex)建模
  • 核糖开关(Riboswitches)
  • DNA GG 和 GA 结合口袋

分子动力学(MD)模拟

  • 比较并展示配体存在与不存在时结构随时间变化的行为
  • 模拟突变对蛋白稳定性、活性以及对已知结合物抗性的影响
  • 蛋白-配体结合能估算
  • 隐蔽性结合口袋(Cryptic pocket)搜索

基于配体的药物设计(LBDD)

类似物搜索与子结构搜索

  • 二维搜索(摩根指纹、ECFP等)
  • 三维搜索(QuickShape)
  • 多样化/聚类分析
  • Bemis-Murcko骨架/图谱搜索
  • 合成子搜索

基于配体的三维药效团虚拟筛选

机器学习建模与预测

  • 机器学习驱动的高通量虚拟筛选
  • 机器学习辅助构建QSAR模型
  • 机器学习驱动的ADMET性质预测

命中化合物到先导化合物的集成项目支持

  • 合成可行性评估与筛选结果分析
  • 构效关系(SAR)
  • 骨架跃迁/骨架变换
  • 生物电子等排体替换

电子结构计算:DFT、MP2等

QM/MM模拟

大规模数据可视化

  • UMAP
  • PMI-3D
  • 性质分布图

性质计算

  • 毒性/ADMET机器学习预测(BBB、hERG、渗透性(Caco-2、PAMPA等)、代谢稳定性预测等)
  • 理化/药物化学性质预测与分析(logP/logD、溶解度等)

基于结构的虚拟筛选(SBDD)与复合物评估

非共价分子对接

  • 经诱饵验证的模型
  • 定制化约束条件
  • 多阶段工作流程

共价分子对接

  • 预设化学反应及靶向设计化合物库
  • 多阶段工作流程(+非共价对接用于反应前建模)

基于片段的虚拟筛选

基于主动学习的建模

Boltz-2 方法

  • 结构预测
  • 结合模式确定
  • 结合概率估计
  • 结合亲和力预测

汤普森采样(Thompson Sampling)

  • 自适应化合物筛选策略
  • 指导化学空间的探索
  • 高效优化排序多样化且有前景的候选分子

元动力学(Metadynamics)

  • 用于稀有事件的增强采样技术
  • 高效识别自由能极小值和过渡态
  • 探索隐藏的构象空间
  • 支持结合构象优化与作用机制解析

分子动力学(MD)模拟

  • 验证虚拟筛选中选出的配体
  • 估算蛋白-配体结合能
  • 提供蛋白-配体相互作用的动态图像

QM/MM 计算

  • 量子力学/分子力学混合建模
  • 精确描述反应机制
  • 精细化模拟共价键形成与电荷转移过程

新方法

FEP(自由能微扰)- 精确结合亲和力预测

它解决的问题:
  • 精确计算配体与靶标的结合亲和力
  • 通过结合自由能对化合物进行排序,以改进构效关系(SAR)分析
  • 预测修饰对结合亲和力的影响
  • 通过选择最有潜力的候选化合物,降低合成和生物测试的成本

提升配体设计的全新准确水平!

每个项目都始于评估阶段

在启动全面的建模工作之前,我们始终会先进行项目评估阶段——这是一个简明的分析步骤,旨在:

  • 为虚拟筛选或先导化合物优化制定科学合理的策略
  • 评估可用结构数据(如靶点、配体等)的充分性与适用性
  • 根据您的目标和限制,推荐最有效的方法和工作范围
  • 识别早期药物发现项目中潜在的风险或挑战

量身定制,贴合您的项目需求

我们很乐意针对您的具体项目开展定制化评估——基于您的靶点、现有命中化合物或期望的化合物类型。这是在推进下一步之前做出科学、可靠决策的最佳方式。

由计算机辅助药物设计驱动的生物学验证

  • 最短化合物交付时间(1-2 天)
  • 访问费用享受 25% 折扣
  • 定制工作流满足您的需求
  • CADD 和生物学服务享受 10% 折扣
  • 高概率获得多达 15 个生物学验证的命中化合物(35-75 个工作日内)

2024 年项目组合概览

项目在各大洲的分布

通过此处的具体案例研究,探索我们在经验和成功方面的深度。

精选的出版物

1. Creation of targeted compound libraries based on 3D shape recognition.
Mol Divers 2022, 27, 939–949. DOI: 10.1007/s11030-022-10447-z

2. Pharmacological inhibition of syntenin PDZ2 domain impairs breast cancer cell activities and exosome loading with syndecan and EpCAM cargo.
J of Extracellular Vesicle 2020, 10. DOI: 10.1002/jev2.12039

3. Modelling of an autonomous Nav1.5 channel system as a part of in silico pharmacology study.
J Mol Model 2021, 27. DOI: 10.1007/s00894-021-04799-w

4. Integrated workflow for the identification of new GABA positive allosteric modulators based on the in silico screening with further in vitro validation.
Molecular Informatics 2023. DOI: 10.1002/minf.202300156 Case study using Enamine’s stock chemical space.

相关产品