結合基于結構和配體的組合策略建立多步驟虛擬篩選流程，依次通過分子對接、藥效團過濾、化學多樣性聚類分析、3D-QSAR和隨機森林法篩選、目視篩選等方法，篩選了Molport庫中約62萬個小分子，選出了20個化合物進行生物活性測試以及分子動力學模擬，20個分子中有12個在10μM時具有生物活性，其中4個分子的IC50值<1μM。本研究建立的多步驟虛擬篩選方法提高了陽性分子的命中概率，篩選的HIT分子與已知的FLAP抑制劑相比，具有明顯不同的化學類型，可作為開發(fā)新型FLAP抑制劑的先導化合物。

 

　　MolPort形狀篩分的優(yōu)勢：

　　基于形狀的篩選的目標是簡單明了：鑒于已知與目標結合的化合物的結構和形狀，基于形狀的篩選將識別具有與以下相似的形狀（如果需要，還具有其他特性）的新化合物已知的粘合劑。該方法與物理化學直覺是一致的：受體“看到”與其結合的分子的形狀和靜電性質，因此，如果新化合物與已知粘合劑的形狀和靜電性質相匹配，則它也可能也會結合。

 

　　形狀篩選是進行前導優(yōu)化研究的有效工具，其中多個相似分子的快速靈活疊加對于理解SAR至關重要。形狀篩分也非常適合在潛在客戶發(fā)現(xiàn)的早期階段使用。形狀篩選不需要創(chuàng)建可靠的藥效團模型可能必需的目標晶體結構或發(fā)達的SAR集。只需要一個已知的活動查詢化合物。

 

　　形狀篩選可以僅在形狀模式下運行，也可以在對齊和評分時納入原子類型的相似性。形狀篩選還包括一個特殊的模式，該模式將每個結構描述為藥效基團特征的集合，而不是單個原子。這種基于藥效團的模式可產生較高的數據庫富集度。