RDKit | Positional Analogue Scanning:药物设计中多参数优化的有效策略
【摘要】 生物医药研究中,将优化命中或先导化合物转化为高质量化学探针或候选药物所需的设计周期的数量和持续时间减到最少是一个持续的挑战。由于对分子和物理化学性质以及分子内和分子间相互作用的显着影响,对命中或先导化合物进行的小结构修饰可能会对药理学特性产生有意义的影响。快速有效地制备一系列位置类似物的药理学概况,是将次甲基与含芳族或杂芳族环的命中或先导化合物中的杂原子或其他取代基进行系统交...
生物医药研究中,将优化命中或先导化合物转化为高质量化学探针或候选药物所需的设计周期的数量和持续时间减到最少是一个持续的挑战。由于对分子和物理化学性质以及分子内和分子间相互作用的显着影响,对命中或先导化合物进行的小结构修饰可能会对药理学特性产生有意义的影响。快速有效地制备一系列位置类似物的药理学概况,是将次甲基与含芳族或杂芳族环的命中或先导化合物中的杂原子或其他取代基进行系统交换,是使设计周期最小化的一种方法(例如,交换芳族或杂芳族化合物)具有N个原子的CH基或CF,CMe或COH基)。
导入库
-
from rdkit import Chem
-
from rdkit.Chem import AllChem
-
from rdkit.Chem.Draw import MolsToGridImage
-
from rdkit.Chem import rdDepictor
-
from itertools import combinations
-
-
rdDepictor.SetPreferCoordGen(True)
定义起始分子
-
smiles = "CN1C=C(C(=O)Nc2ccc(-c3ccccc3)c(c2)C(F)(F)F)C(=O)c2ccccc12"
-
my_mol = Chem.MolFromSmiles(smiles)
-
my_mol
文章来源: drugai.blog.csdn.net,作者:DrugAI,版权归原作者所有,如需转载,请联系作者。
原文链接:drugai.blog.csdn.net/article/details/106149224
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)