虚拟筛选 Virtual Screening

虚拟筛选技术（Virtual Screening，简称 VS）在计算机辅助药物发现（Computer Aided Drug Design，简称 CADD）中发挥着关键作用，旨在通过计算方法从庞大的化合物库中寻找与特定蛋白质口袋相互作用的潜在药物分子。该方法在筛选药物方面的有效性得益于先进的计算能力的崛起和大规模生物分子数据集的可用性，从而加速了药物发现的进程。

虚拟筛选是基于小分子数据库开展的活性化合物筛选。利用小分子化合物与药物靶标间的分子对接运算，虚拟筛选可快速从几十至上百万分子中，遴选出具有成药性的活性化合物，大大降低实验筛选化合物数量，缩短研究周期，降低药物研发的成本。据报道虚拟筛选的阳性率为 5%-30%，利用虚拟筛选成功辅助药物设计的案例逐年增多，虚拟筛选已成为目前最有潜力的药物开发工具。

虚拟筛选流程

虚拟筛选方法主要分为基于受体生物大分子结构的虚拟筛选 (structure-based virtual screening, SBVS) 和基于配体小分子的虚拟筛选 (ligand-based virtual screening, LBVS) 两种。

• SBVS 基于受体的虚拟筛选：基于受体的虚拟筛选即基于分子对接的虚拟筛选，是根据实验测定的或同源模建的受体生物大分子的三维结构，通过分子对接的方法，确定小分子与受体的结合构象，根据与结合能相关的亲合性打分函数对蛋白和小分子化合物的结合能力进行评价，最终从大量的化合物分子中挑选出结合模式比较合理的、预测得分较高的化合物，用于后续的生物活性测试。
• LBVS 基于配体的虚拟筛选：基于配体的虚拟筛选即基于药效团模型的虚拟筛选，是根据现有药物的结构、理化性质和活性关系的分析，建立定量构效关系或药效基团模型，预测筛选新化合物的活性。

过去，药物化学家们主要关注药物分子与靶标的结合亲和力以及准确的结合位姿。然而，随着化合物库规模的不断增加，这类传统方法的计算成本和筛选效率成为制约因素。然而虚拟筛选利用计算方法可以快速对大规模的化合物库进行搜索，大大提高了药物发现的效率。相较于实验室筛选，成本更低，且可以在更短的时间内找到候选药物。近年来，专家们逐渐将虚拟筛选定义为信息检索任务，即通过相似性匹配来判断分子与给定蛋白质口袋的相关程度，即从化合物库中筛选出与目标口袋最为相似且有可能结合的分子。相较于传统的结合亲和力预测或结合位姿的判定的方法，这一方法更注重潜在结合分子的相似性，以提高筛选的精确性和效率。

参考来源

【1】https://www.medchemexpress.cn/virtual-screening.html