.png){kind=icon}
返回
Visualising lead optimisation series using reduced graphs
.png){kind=icon}
OA
AI
DOI：10.1186/s13321-025-01002-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
典型的药物化学文献中，先导化合物优化（LO）系列通常以马库什结构及其关联的R基团表表示。马库什结构展示了一个该系列共有的中心核心或分子骨架，以及指示已探索的可变性位点的R基团。关联的R基团表则显示该系列中各个分子存在的取代基组合及这些化合物的性质。这种格式提供了一种直观的可视化任何存在结构-活性关系（SAR）的方式。尝试复制这一广为人知格式的自动化方法，如SAR图，基于最大公共子结构方法，并未考虑对核心结构本身可能进行的小改动，或数据中存在多个核心的情况。本文描述了一种基于分子简化图描述的自动化方法来表示LO系列。通过分析GSK药物发现项目中的公开LO数据集，展示了该方法如何在系列核心内部存在微小亚结构差异时，仍能将同一系列的化合物分组，同时也能识别不同的相关化合物系列。由此产生的可视化有助于识别系列探索不足的区域，并将设计思路映射到当前数据集。用于生成可视化的代码已发布至公共领域，以促进该领域的进一步研究。科学贡献：我们描述了一种使用分子简化图表示分析先导化合物优化系列的工具。该表示方法能够将具有相似但不完全相同化学骨架的化合物分组，因此是对基于更传统的马库什结构和SAR表的现有方法的改进。该软件作为药物化学工具箱的补充，能够通过将原本被视为独立系列的化合物表示为单一系列，提供先导化合物优化数据的整体视图。
Keyword:
Reduced graphs
Visualisation
Lead optimisation
SAR
期刊
IF:
5.7
论文数:
1.5K
被引数:
1.1W
机构
引用论文
From High Dimensions to Human Insight: Exploring Dimensionality Reduction for Chemical Space Visualization从高维到人类洞察力: 化学空间可视化的降维探索
.png){kind=icon}
PREAI
分享收藏
查看更多内容