本文综述了当前药物发现研究领域中的几款重要开源软件工具,这些工具在分子模拟、分子对接、结构可视化、QSAR建模等方面,可以替代商业软件Discovery Studio中的大多数功能,为药物虚拟筛选、分子模拟、分子拟合等过程提供开源解决方案。
对生物大分子进行分子模拟和分子动力学计算是药物发现的重要环节之一。Discovery Studio中的Small Molecule和Macromolecule模块提供了全原子模拟功能。开源软件OpenMM、GROMACS和NAMD在这方面具有同等甚至更强大的性能。这些软件采用不同的算法,但都可以对包含数万个原子的生物分子进行全原子Detail模拟。用户可以选择不同的力场参数,设定模拟条件,分析分子结构、动力学和能量信息,完全取代Discovery Studio的模拟功能。
在药物与靶点结合关系研究中,分子对接(Docking)是一项关键技术。Discovery Studio中集成了CDOCKER等模块。开源软件Autodock Vina允许用户进行高效的小分子与靶点结合位点虚拟筛选。相比Autodock,其对接精度更高,速度更快,可以进行高通量虚拟筛选。Amber Tools套装中也包含Autodock模块。这两个软件在分子对接功能上不逊色于Discovery Studio。
对药物化合物进行分子结构可视化和分析是药物设计过程中的基础工作。Discovery Studio提供了丰富的可视化功能。而开源软件PyMOL也提供了多种可视化方式,支持高度自定义和二次开发。用户可以便捷生成药物分子的高质量图像和动画。PyMOL还可以用于分子对接结果的可视化分析,可完全替代Discovery Studio的可视化功能。
利用定量结构活性关系技术可以建立药物分子结构和功能活性之间的数学模型。Discovery Studio中的QSAR模块提供了相关功能。而开源软件RDKit提供了强大的化学工具包,可以用Python提取化合物的各类结构特征,然后结合机器学习算法建立QSAR模型,实现药效预测,具有与Discovery Studio QSAR模块相似的功能。
设计新药物分子结构需要考量合成可行性。Discovery Studio中的Enumerate和Reaction模块支持这方面功能。而RDKit和OCHEM也提供了相关模块,支持药物反应查询和合成路线规划,可以部分替代上述Discovery Studio模块。
利用Python的数据分析和机器学习工具,可以建立预测药效和药物性质的各类模型,实现虚拟化合物筛选。这提供了开源的定量构效关系建模方案,与Discovery Studio的QSAR功能类似。
综上所述,正确运用当前已有的开源计算化学软件,完全可以替代商业软件中大部分常规功能,为药物发现提供经济高效的解决方案。
