AA-Score: a New Scoring Function Based on Amino Acid-Specific Interaction for Molecular Docking

虚拟筛选 对接(动物) 计算生物学 计算机科学 分数 堆积 机器学习 药物发现 生物信息学 人工智能 化学 生物 医学 护理部 有机化学
作者
Xiaolin Pan,Hao Wang,Yueqing Zhang,Xingyu Wang,Cuiyu Li,Changge Ji,John Z. H. Zhang
出处
期刊:Journal of Chemical Information and Modeling [American Chemical Society]
卷期号:62 (10): 2499-2509 被引量:20
标识
DOI:10.1021/acs.jcim.1c01537
摘要

The protein–ligand scoring function plays an important role in computer-aided drug discovery and is heavily used in virtual screening and lead optimization. In this study, we developed a new empirical protein–ligand scoring function with amino acid-specific interaction components for hydrogen bond, van der Waals, and electrostatic interactions. In addition, hydrophobic, π-stacking, π-cation, and metal–ligand interactions are also included in the new scoring function. To better evaluate the performance of the AA-Score, we generated several new test sets for evaluation of scoring, ranking, and docking performances, respectively. Extensive tests show that AA-Score performs well on scoring, docking, and ranking as compared to other widely used traditional scoring functions. The performance improvement of AA-Score benefits from the decomposition of individual interaction into amino acid-specific types. To facilitate applications, we developed an easy-to-use tool to analyze protein–ligand interaction fingerprint and predict binding affinity using the AA-Score. The source code and associated running examples can be found at https://github.com/xundrug/AA-Score-Tool.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
美丽觅夏完成签到 ,获得积分10
刚刚
1秒前
大白包子李完成签到,获得积分10
1秒前
练习者发布了新的文献求助10
3秒前
NexusExplorer应助23421采纳,获得10
5秒前
6秒前
6秒前
佳佳完成签到 ,获得积分10
7秒前
welch发布了新的文献求助10
10秒前
丘比特应助呆瓜采纳,获得10
11秒前
劲秉应助呆瓜采纳,获得30
11秒前
LO7pM2应助呆瓜采纳,获得10
11秒前
1234应助呆瓜采纳,获得10
11秒前
在水一方应助呆瓜采纳,获得10
11秒前
拼搏的惜天应助呆瓜采纳,获得10
11秒前
手机应助呆瓜采纳,获得10
11秒前
科研通AI2S应助呆瓜采纳,获得10
11秒前
科研通AI2S应助呆瓜采纳,获得10
11秒前
科研通AI2S应助呆瓜采纳,获得10
11秒前
王春完成签到,获得积分10
11秒前
Yubo_W发布了新的文献求助10
13秒前
年轻人完成签到,获得积分10
13秒前
13秒前
聪慧凡蕾完成签到,获得积分10
14秒前
15秒前
岱山完成签到,获得积分10
16秒前
852应助welch采纳,获得10
18秒前
加油完成签到,获得积分10
19秒前
WLP发布了新的文献求助10
20秒前
20秒前
双黄应助水电费黑科技采纳,获得10
20秒前
vampirell完成签到,获得积分10
21秒前
北海未暖完成签到,获得积分10
22秒前
一一应助iiiid采纳,获得30
23秒前
DR_吴1000发布了新的文献求助10
24秒前
王春发布了新的文献求助10
25秒前
28秒前
mew桑完成签到,获得积分10
28秒前
李爱国应助fat采纳,获得10
31秒前
科研通AI2S应助Eva采纳,获得10
31秒前
高分求助中
Histotechnology: A Self-Instructional Text 5th Edition 2000
Rock-Forming Minerals, Volume 3C, Sheet Silicates: Clay Minerals 2000
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
The Healthy Socialist Life in Maoist China 600
The Vladimirov Diaries [by Peter Vladimirov] 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3270570
求助须知:如何正确求助?哪些是违规求助? 2909998
关于积分的说明 8351776
捐赠科研通 2580465
什么是DOI,文献DOI怎么找? 1403469
科研通“疑难数据库(出版商)”最低求助积分说明 655809
邀请新用户注册赠送积分活动 635207