PL-PatchSurfer3：利用3D Zernike描述符改进了基于结构的虚拟筛选方法，以适应结构变化

《Journal of Cheminformatics》：PL-PatchSurfer3: improved structure-based virtual screening for structure variation using 3D Zernike descriptors

　　

摘要

基于结构的虚拟筛选（SBVS）是计算机辅助药物发现中广泛使用的方法，该方法需要受体结构或结合位点来预测配体的结合姿态和亲和力。因此，SBVS的性能取决于蛋白质的构象。最常见的SBVS方法是蛋白质-配体对接，它依赖于基于物理、经验或知识的评分函数来估计结合亲和力。然而，这些方法对受体结构的变化和构象变化非常敏感。当用于筛选的受体的无配体形式（apo形式）与其完整形式（holo形式）不同时，SBVS的性能往往会显著下降。为了解决这个问题，我们之前引入了一种名为PL-PatchSurfer的SBVS方法。该方法使用表面表示来描述受体和药物分子的结合位点，这种表示方法对结构变化更为鲁棒，从而提供了更稳定的筛选性能。分子的表面被分割成多个片段（patches），它们的形状和物理化学性质（如静电势）通过3D Zernike描述符来表示，这是一种紧凑且具有旋转不变性的数学表示方法。在这里，我们介绍了PL-PatchSurfer3，这是PL-PatchSurfer的改进版本，它包含了两个关键改进：对氢键互补性的精确定义以及可见性的整合，后者能够捕捉片段的曲率信息。我们的评估表明，新程序在保持对受体结构变化鲁棒性的同时，其性能优于其前身和其他SBVS方法。

科学贡献

本研究提出了PL-PatchSurfer3，这是一种改进的基于表面片段的虚拟筛选方法，它结合了分子表面形状、物理化学性质、氢键兼容性和可见性，并使用旋转不变性的3D Zernike描述符来捕捉局部曲率。PL-PatchSurfer3在完整受体、无配体受体、模型化受体以及AlphaFold预测的受体结构上均表现出稳健的性能，其性能优于或可与传统方法和最近的基于深度学习的方法相媲美。