从大规模化学空间到实验候选
图摘要
摘要
以多阶段筛选漏斗整合模型排序、结构复核、骨架多样性、成药风险与动态证据，逐层缩小候选范围。图摘要汇集候选分布、结构复核与性质比较，集中呈现筛选漏斗中的主要结果信号。这些结果形成层次清晰的候选优先级，为后续实验选择与先导优化提供直接参考。
计算结果
对接筛选结果统计分析
图2系统展示了虚拟筛选分子对接阶段所得候选化合物在结合能力及理化性质层面的整体分布特征与相互关系。从对接结果来看(A),Docking score主要集中在约−6至−3 kcal/mol区间,均值(−4.05)与中位数(−4.07)高度接近,表明筛选结果分布较为对称且无明显偏态,说明对接筛选过程未引入显著的极端值偏倚;drugclip score(B)则呈现出相对集中但右偏的分布特征,主要分布在0.9–1.2区间,均值(0.98)略高于中位数(0.95),提示AI模型在候选分子评分上具有一定的区分能力,并倾向于识别出一部分高评分分子群体。在理化性质方面(C–D),分子量主要集中在300–500 Da之间(均值约411.8 Da),符合典型小分子药物的分子量分布特征;AlogP主要分布在2–4之间(均值约2.85),说明整体疏水性适中,有利于维持良好的膜通透性与溶解性平衡,体现出较优的类药性特征。
该图呈现“对接筛选结果统计分析”中的主要结构与趋势，并与本案例的候选排序和结果判断形成对应。
虚拟筛选候选分子结果
表格较宽时可横向滚动查看
| 序列 A_ID | docking score | drugclip score | QED |
|---|---|---|---|
| 候选化合物 K | -7.892 | 0.97 | 0.848793 |
| 候选化合物 L | -7.445 | 0.97 | 0.775883 |
| 候选化合物 M | -7.251 | 0.88 | 0.724759 |
| 候选化合物 N | -7.048 | 1.1 | 0.738398 |
| 候选化合物 O | -6.863 | 1.31 | 0.709938 |
| 候选化合物 P | -6.812 | 1.21 | 0.713136 |
| 候选化合物 Q | -6.8 | 0.94 | 0.865378 |
| 候选化合物 R | -6.665 | 1.15 | 0.83075 |
| 候选化合物 S | -6.646 | 0.88 | 0.711086 |
| 候选化合物 T | -6.616 | 1.07 | 0.804729 |
| 候选化合物 U | -6.564 | 0.93 | 0.778714 |
| 候选化合物 V | -6.344 | 0.87 | 0.711086 |
| 候选化合物 W | -5.784 | 0.97 | 0.760226 |
| 候选化合物 X | -5.654 | 0.95 | 0.706078 |
| 候选化合物 Y | -5.528 | 0.87 | 0.707189 |
| 候选化合物 Z | -5.438 | 1.07 | 0.830711 |
| 候选化合物 A | -5.35 | 0.99 | 0.796518 |
| 候选化合物 B | -5.303 | 1.02 | 0.746018 |
| 候选化合物 C | -5.275 | 0.9 | 0.726631 |
| 候选化合物 D | -5.173 | 1 | 0.788227 |
| 候选化合物 E | -5.155 | 1.07 | 0.81681 |
| 候选化合物 F | -5.149 | 0.88 | 0.869749 |
| 候选化合物 G | -5.136 | 1.12 | 0.840967 |
| 候选化合物 H | -4.926 | 0.93 | 0.737217 |
| 候选化合物 I | -4.864 | 0.92 | 0.825447 |
| 候选化合物 J | -4.784 | 0.96 | 0.792325 |
| 候选化合物 K | -4.583 | 0.9 | 0.707443 |
| 候选化合物 L | -4.534 | 1.03 | 0.826844 |
| 候选化合物 M | -4.517 | 0.98 | 0.773463 |
| 候选化合物 N | -4.496 | 0.97 | 0.797064 |
| 候选化合物 O | -4.387 | 1.12 | 0.777253 |
| 候选化合物 P | -4.31 | 0.98 | 0.725644 |
| 候选化合物 Q | -4.291 | 0.86 | 0.830025 |
| 候选化合物 R | -4.267 | 1.02 | 0.754305 |
| 候选化合物 S | -4.256 | 0.97 | 0.787584 |
| 候选化合物 T | -4.175 | 0.88 | 0.799739 |
| 候选化合物 U | -4.144 | 0.94 | 0.729009 |
| 候选化合物 V | -4.05 | 0.89 | 0.885888 |
| 候选化合物 W | -3.679 | 0.91 | 0.791234 |
该表汇总“虚拟筛选候选分子结果”中的关键比较信息，使不同条件与候选之间的结果差异能够直接对应。
虚拟筛选候选分子的统计分析结果
图3. 最终筛选得到的39个候选分子的综合统计分析。(A) Docking score 分布直方图,红色与蓝色虚线分别表示均值(−5.440 kcal/mol)与中位数(−5.173 kcal/mol);(B) Docking score 与 DrugCLIP score 的相关性散点图,点颜色表示 QED 值;(C) 基于 Docking score 排序的 Top 10 候选分子;(D) 不同 Docking score 区间内 QED 分布的箱线图分析。
该图呈现“虚拟筛选候选分子的统计分析结果”中的主要结构与趋势，并与本案例的候选排序和结果判断形成对应。
图5. 基于对接获得的(A)靶标 A_候选化合物 M、(B)靶标 A_候选化合物 L、(C)靶标 A_候选化合物 N、(D)靶标 A_候选化合物 K的结合模式,左图为整体视图,右图为局部视图,图中黄色stick为小分子,青色cartoon为蛋白,绿色虚线表示氢键作用,灰色虚线表示疏水作用,黄色虚线表示盐桥作用。
该图呈现“虚拟筛选候选分子的统计分析结果”中的主要结构与趋势，并与本案例的候选排序和结果判断形成对应。
完整版案例 PDF
完整结果、高清图表与分析说明仅在客户版 PDF 中提供。添加客服微信并发送案例编号 HS-CASE-0001 获取。