약물 검색을 위한 계산 리소스

Computational Resource for Drug Discovery

CRDD(Computering Resource for Drug Discovery)는 OSDD(Open Source for Drug Discovery)의 중요한 실리콘 모듈 중 하나이다.CRDD 웹 포털은 단일 플랫폼에서 약물 발견과 관련된 컴퓨터 자원을 제공한다.컴퓨터 보조 약물 설계, 토론 포럼, 분자의 위키백과 유지, 억제제 예측, ADME-Tox 특성 예측을 위한 자료 등의 연구자에게 컴퓨터 보조 약물 설계, 토론 포럼 등의 컴퓨터 자원을 제공한다 CRDD의 주요 목표 중 하나는 화학정보학 및 p분야에서 오픈소스 소프트웨어를 촉진하는 것이다해학 정보학학학학학학학학

특징들

CRDD에 따르면 컴퓨터 보조 약물 설계와 관련된 모든 자원을 수집하고 정리했다.이러한 자원은 사용자가 단일 소스에서 자원을 얻을 수 있도록 CRDD에 정리되어 제공된다.

  • 표적 식별은 게놈 주석, 단백질 주석, 잠재적 표적 및 단백질 구조에 대한 정보를 사용하여 약물 표적을 검색하는 데 중요한 자원을 제공한다.
  • 가상 선별은 QSAR 기법, 도킹 QSAR, 화학 정보학 및 siRNA/miRNA로 가상 선별에 중요한 리소스를 컴파일한다.
  • 의약품 설계는 납 최적화, 의약품 형태학, ADMET 및 임상 정보학으로서 약물 억제제/분자 설계에 중요한 자원을 제공한다.

지역사회공헌

이 범주 플랫폼에 따라 공동체가 약물 발견 과정에 기여할 수 있는 플랫폼이 개발되었다.

  • DrugPedia: Drug Discovery용 위키백과는 컴퓨터 보조 약물 설계와 관련된 정보를 수집하고 취합하기 위해 만들어진 위키백과다.OSDD(Open Source Drug Discovery) 프로젝트의 산하에 개발되었으며, 바이오정보학, 체민섬유학, 임상정보학 등과 같은 약물을 중심으로 광범위한 주제를 다룬다.
  • 인디아피디아: 인도를 위한 위키피디아는 인도와 관련된 마약 정보를 수집하고 편집하기 위한 위키백과다.인도인이 인도인을 위해 만든 인도에 대한 종합적인 정보를 제공하기 위한 것이다.그것은 오픈 소스 약물 발견(OSDD) 프로젝트의 산하에 개발되었다.
  • CRDD 포럼은 약물 발견을 위한 컴퓨터 자원 개발의 도전을 논의하기 위해 시작되었다.

토착 개발: 소프트웨어 및 웹 서비스

CRDD 회원들은 자원을 모으고 모으는 것 외에도 새로운 소프트웨어와 웹 서비스를 개발한다.개발된 모든 서비스는 학술적으로 무료로 이용할 수 있다.다음은 CRDD에서 개발된 몇 가지 주요 도구들이다.[citation needed]

데이터베이스 개발

  • HMRBase:그것은 호르몬과 그들의 수용체들의 수작업으로 큐레이션된 데이터베이스다.광범위한 수동 문헌 검색과 공개적으로 이용할 수 있는 데이터베이스에서 시퀀스 데이터를 편집한 것이다.HMR베이스는 다양한 데이터 유형을 기반으로 검색이 가능하다.내분비 연구가 생물의학에서 미치는 영향이 크기 때문에, Hmrbase는 연구자들을 위한 선도적인 데이터 포털이 될 수 있다.Hmrbase의 두드러진 특징은 호르몬-수용체 쌍 관련 정보, 호르몬과 수용체의 단백질 시퀀스에 대한 펩타이드 스트레치 매핑, Pfam 도메인 주석, 범주형 브라우징 옵션, 온라인 데이터 제출이다.[1]이 데이터베이스는 공공이 기여할 수 있도록 마약조직에 통합되었다.
  • BIAdb: Benzylisoquinoline Alkaloids를 위한 데이터베이스.Benzylisoquinoline Alkaloid Database는 BIA와 관련된 산재된 정보를 수집하기 위한 시도다.많은 BIA는 치료적인 특성을 보여주며 강력한 약물 후보자로 간주될 수 있다.이 데이터베이스는 또한 합성 과정을 이용한 의학적으로 중요한 알칼로이드 개발이 중요한 도전과제 중 하나이기 때문에 합성 생물학 분야에서 일하는 연구자들에게 제공할 것이다.이 데이터베이스는 공공이 기여할 수 있도록 마약조직에 통합되었다.[2]
  • AntigenDB:이 데이터베이스에는 문헌 및 기타 면역학적 자원으로부터 수집된 500개 이상의 항원이 포함되어 있다.이 항원은 44개의 중요한 병원성 종에서 나온다.AntigenDB에서 데이터베이스 항목은 가능한 경우 B, T-세포 에피포프, MHC 결합, 함수, 유전자 표현 및 변환 후 수정과 같은 추가 정보를 가진 항원의 순서, 구조, 기원 등에 관한 정보를 포함한다.항원DB는 또한 주요 내부 및 외부 데이터베이스에 대한 링크도 제공한다.[3]
  • PolysacDB:PolysacDB는 미생물 기원 항원 다당체(박테리아와 진균)에 대한 항원성 다당체, 이에 대한 항체, 제안된 상피, 구조 상세, 제안된 기능, 검사 시스템, 교차 반응성 관련 정보 등에 대한 종합적인 정보를 제공하는 데 전념하고 있다.대부분의 데이터가 PubMed와 PubMed Central 문학 데이터베이스에서 수집된 수동 큐레이션 데이터베이스다.
  • TumorHope:TumorHope는 실험적으로 특징적인 종양 호밍 펩타이드의 수작업으로 큐레이션된 종합 데이터베이스다.이 펩타이드들은 종양 조직과 종양과 관련된 미세한 환경을 인식하며, 종양 전이를 포함한다.
  • ccPDB: ccPDB 데이터베이스는 단백질의 기능 또는 구조 주석 분야에서 일하는 과학계에 서비스를 제공하기 위해 설계되었다.이 데이터셋 데이터베이스는 PDB(Protective Data Bank)를 기반으로 하며, 모든 데이터셋은 PDB에서 파생되었다.[4]
  • OSDDchem: OSDDChem 화학 데이터베이스는 OSDD 커뮤니티의 합성, 반합성, 자연 및 가상으로 설계된 분자에 대한 정보의 공개 저장소다.
  • CancerDR: CancerDR은 약 1000개의 암세포 라인에 대한 효과와 148개의 항암제 데이터베이스다.이것들은 표적 기반 약품이며, CancerDR은 표적 유전자/단백질 및 세포 라인에 대한 포괄적인 정보를 유지한다.

개발된 소프트웨어

  • MycoTB: 과학 커뮤니티를 지원하기 위해 Windows 사용자용 독립 실행형 소프트웨어 MycoTB를 구축하기 위한 유연한 시스템 개념을 확장했다.MycoTB는 OSDD/CRDD 프로그램에 따라 개발된 컴퓨터 프로그램 중 하나이다.이 소프트웨어를 통해 사용자는 개인용 컴퓨터에 자체적인 유연한 시스템을 구축하여 MycoTB의 전체 프로테오메일을 관리하고 주석을 달 수 있다.

생성된 리소스

  • CRAG: 게놈 조립을 위한 계산 자원은 사용자가 SRS(단독 읽기 순서)에서 게놈 조립을 돕는 것이었다.주요 목표 준수: i) 계산 리소스 수집 및 컴파일, ii) 게놈 조립자에 대한 간략한 설명, iii) SRS 및 관련 데이터 유지 관리, iv) 커뮤니티에 게놈 조립을 위한 서비스
  • CRIP: 단백질- 고분자 상호작용(CRIP)을 예측하기 위한 계산 리소스 관련 리소스.이 사이트는 단백질-단백질-단백질-단백질-을 포함하는 단백질의 상호작용 세계에 대한 많은 자원을 유지한다.DNA, 단백질-리간드, 단백질-RNA.
  • 바이오테라피:치료용 펩타이드와 단백질을 위한 생물정보학(BioTherapi)은 단백질/펩타이드 치료 분야에서 일하는 연구자들을 위해 개발되었다.현재 이러한 종류의 정보를 제공하는 단일 플랫폼은 없다.본 사이트에는 신품 펩타이드의 약물 사용 및 합성에 관한 모든 관련 정보가 수록되어 있다.그것은 또한 그 제조, 합성 및 전달 과정에서 발생하는 문제들을 다룬다.
  • HIVBio: HIVBio 사이트에는 HIV(인간면역결핍바이러스) 수명주기 및 감염에 대한 다양한 유형의 정보가 포함되어 있다.
  • GDPbio: GDPbio(생체정보학을 이용한 유전체 기반 질병 및 개인 의약품 예측)는 특히 특정 개인 및 개인 맞춤형 의약품 개발의 질병 감수성 예측을 위해 게놈 분석과 관련된 다양한 자원을 제공하는 데 초점을 맞춘 프로젝트로서 공중 보건 개선을 목표로 한다.
  • 아미노팻: 아미노산을 위한 기능 주석 도구는 생물정보학 커뮤니티에 서비스를 제공하도록 설계되었다.PDB의 단백질 구조를 바탕으로 단백질 내 아미노산의 기능을 이해할 수 있는 도구를 최대한 많이 개발하는 것이 목적이다.단백질 기능에 대한 폭넓은 지식은 노밸 약물 목표의 식별에 도움이 될 것이다.

화학 정보학을 위한 웹 서비스

세계 최초로 CRDD 팀이 사용자가 새로운 M에 대한 억제제를 예측할 수 있는 오픈 소스 플랫폼을 개발했다.결핵약 표적과 ADMET과 같은 약물 분자의 다른 중요한 특성들. 다음은 몇 개의 서버 목록이다.

  • 메타프레드: 약물 분자의 대사 작용을 담당하는 사이토크롬 P450 이소폼 예측을 위한 웹서버.메타프레드 서버는 CDK 설명자를 사용하여 개발된 SVM 모델에 기초하여 약물 분자/하부의 CYP 등소형 대사 작용을 예측한다.이 서버는 약물 발견 분야에서 일하는 연구원들에게 도움이 될 것이다.이 연구는 화학정보학 분야에서 무료 웹 서버를 개발하는 것이 가능하다는 것을 증명한다.이것은 다른 연구자들이 공공 사용을 위한 웹 서버를 개발하도록 장려할 것이며, 이것은 신약 분자를 발견하는 비용을 감소시킬 수 있다.[5]
  • ToxiPred: T. Pyriformis에서 작은 화학 분자의 수성 독성을 예측하기 위한 서버.
  • 케토드러그:Fateral Amide Hydrolase(FAAH)에 대한 케톡사졸 유도체의 결합 친화력 예측을 위한 웹 서버.FAAH에 대항하는 소형 화학분자의 결합 친화력 예측을 위한 사용자 친화적인 웹서버다.
  • KiDoQ: KiDoQ는 독특한 박테리아 DAP/Lysine 경로의 잠재적인 약물 표적 효소인 디히드로디피콜린제 신타아제(DHDPS)에 대한 억제제 설계 분야에서 과학계에 서비스를 제공하기 위해 개발되었다.[6]
  • GDoQ: GDoQ(QSAR 및 AutoDock을 사용한 GLMU 억제제 사전 추출)는 마이코박테리움 결핵(Mycobacterium 결핵)에 대한 억제제 예측을 위해 개발된 오픈소스 플랫폼이다.Tb) 약물 표적 N-아세틸글루코사민-1-인산염 우리딜전달효소(GLMU) 단백질.이것은 박테리아 세포벽 합성에 관련된 잠재적인 약물 표적이다.이 서버는 분자 도킹과 QSAR 전략을 사용하여 GLMU 단백질의 화학성분 억제 활성 값(IC50)을 예측한다.[7]
  • ROCR: ROCR은 분류기 성능을 평가하고 시각화하기 위한 R 패키지 입니다.이 도구는 ROC 그래프, 민감도/특정성 곡선, 곡선 아래 면적 및 정밀도/호출 곡선을 만드는 유연한 도구다.파라메트리제이션은 컷오프에 따라 곡선을 색칠하여 시각화할 수 있다.
  • WebCDK: CDK 라이브러리를 위한 웹 인터페이스로, CDK 라이브러리를 사용하여 화학물질의 설명자를 예측하기 위한 웹 인터페이스다.
  • 약동학:약동학 데이터 분석은 비선형 농도 시간 곡선에 의해 측정된 복용법과 약물에 대한 신체의 노출 사이의 관계를 결정한다.그것은 곡선 아래의 면적을 계산하는 함수인 AUC를 포함한다.또한 비덱스포넨셜 모델의 반감기 추정 기능과 2상 선형 회귀 분석을 위한 기능도 포함한다.

약물 대상의 예측 및 분석

  • RNApred: 아미노산 내부 염기서열에서 RNAbinding 단백질의 예측.[8]
  • ProPrint: 아미노산 염기서열에서 단백질 사이의 상호작용 예측.[9]
  • DomPrint: Domprint는 DDI(Domain-Domain Interaction) 예측 서버 입니다.
  • MycoPrint: MycoPrint는 "DIM(Domain Interaction Mapping)" 방법으로 예측한 Mycobacterium 결핵 H37Rv(Mtb)의 상호작용 탐사를 위한 웹 인터페이스다.
  • ATPint: 단백질의 ATP 상호작용 잔류물을 예측하기 위한 서버.[10]
  • FADpred:단백질에서 상호작용하는 FAD 잔류물의 식별.[11]
  • GTPbinder : GTP 상호작용 잔류물의 단백질 예측.[12]
  • NADbinder: 단백질의 NAD 결합 잔류물 예측.[13]
  • PreMier: 항균 펩타이드의 돌연변이 설계.[14]
  • DMAP: DMAP: 항균 펩타이드 돌연변이 설계
  • icars:PROSITE 도메인을 이용한 아미노산 tRNA 합성물의 사전화 및 분류
  • CBtope: 아미노산 염기서열에서 순서에 따른 순응 B세포 비피형의 예측.[16]
  • DesiRM: 유전자를 음소거하기 위한 보완 및 불일치 siRNA의 설계.[17]
  • 게놈ABC:게놈 조립자 벤치마킹을 위한 서버.

참조

  1. ^ Rashid, Mamoon; Singla, Deepak; Sharma, Arun; Kumar, Manish; Raghava, Gajendra PS (2009). "Hmrbase: a database of hormones and their receptors". BMC Genomics. 10: 307. doi:10.1186/1471-2164-10-307. PMC 2720991. PMID 19589147.
  2. ^ Singla, Deepak; Sharma, Arun; Kaur, Jasjit; Panwar, Bharat; Raghava, Gajendra PS (2010). "BIAdb: A curated database of benzylisoquinoline alkaloids". BMC Pharmacology. 10: 4. doi:10.1186/1471-2210-10-4. PMC 2844369. PMID 20205728.
  3. ^ Ansari, H. R.; Flower, D. R.; Raghava, G. P. S. (2009). "AntigenDB: an immunoinformatics database of pathogen antigens". Nucleic Acids Research. 38 (Database issue): D847–53. doi:10.1093/nar/gkp830. PMC 2808902. PMID 19820110.
  4. ^ 핵산 연구, 2011
  5. ^ Mishra, Nitish K; Agarwal, Sandhya; Raghava, Gajendra PS (2010). "Prediction of cytochrome P450 isoform responsible for metabolizing a drug molecule". BMC Pharmacology. 10: 8. doi:10.1186/1471-2210-10-8. PMC 2912882. PMID 20637097.
  6. ^ Garg, Aarti; Tewari, Rupinder; Raghava, Gajendra PS (2010). "KiDoQ: using docking based energy scores to develop ligand based model for predicting antibacterials". BMC Bioinformatics. 11: 125. doi:10.1186/1471-2105-11-125. PMC 2841597. PMID 20222969.
  7. ^ Singla, Deepak; Anurag, Meenakshi; dash, Debasis; Raghava, Gajendra PS (2011). "A Web Server for Predicting Inhibitors against Bacterial Target GlmU Protein". BMC Pharmacology. 11: 5. doi:10.1186/1471-2210-11-5. PMC 3146400. PMID 21733180.
  8. ^ Kumar, M; Gromiha, MM; Raghava, GP (2010). "SVM based prediction of RNA-binding proteins using binding residues and evolutionary information". Journal of Molecular Recognition. 24 (2): 303–13. doi:10.1002/jmr.1061. PMID 20677174. S2CID 12677753.
  9. ^ Rashid, M.과 Raghava, G. P. S. (2010) 단백질-단백질 상호작용을 예측하기 위한 간단한 접근법.현재 단백질과 펩타이드 사이언스(In Press).
  10. ^ Chauhan, JS; Mishra, NK; Raghava, GP (2009). "Identification of ATP binding residues of a protein from its primary sequence". BMC Bioinformatics. 10: 434. doi:10.1186/1471-2105-10-434. PMC 2803200. PMID 20021687.
  11. ^ Mishra, Nitish K.; Raghava, Gajendra P. S. (2010). "Prediction of FAD interacting residues in a protein from its primary sequence using evolutionary information". BMC Bioinformatics. 11: S48. doi:10.1186/1471-2105-11-S1-S48. PMC 3009520. PMID 20122222.
  12. ^ Chauhan, JS; Mishra, NK; Raghava, GP (2010). "Prediction of GTP interacting residues, dipeptides and tripeptides in a protein from its evolutionary information". BMC Bioinformatics. 11: 301. doi:10.1186/1471-2105-11-301. PMC 3098072. PMID 20525281.
  13. ^ Ansari, HR; Raghava, GP (2010). "Identification of NAD interacting residues in proteins". BMC Bioinformatics. 11: 160. doi:10.1186/1471-2105-11-160. PMC 2853471. PMID 20353553.
  14. ^ Agarwal; et al. (2011). "Identification of Mannose Interacting Residues Using Local Composition". PLOS ONE. 6 (9): e24039. Bibcode:2011PLoSO...624039A. doi:10.1371/journal.pone.0024039. PMC 3172211. PMID 21931639.
  15. ^ Panwar, Bharat; Raghava, Gajendra PS (2010). "Prediction and classification of aminoacyl tRNA synthetases using PROSITE domains". BMC Genomics. 11: 507. doi:10.1186/1471-2164-11-507. PMC 2997003. PMID 20860794.
  16. ^ Ansari, HR; Raghava, Gajendra PS (2010). "Identification of conformational B-cell Epitopes in an antigen from its primary sequence". Immunome Research. 6: 6. doi:10.1186/1745-7580-6-6. PMC 2974664. PMID 20961417.
  17. ^ Ahmed, F; Raghava, Gajendra PS (2011). "Designing of Highly Effective Complementary and Mismatch siRNAs for Silencing a Gene". PLOS ONE. 6 (8): e23443. Bibcode:2011PLoSO...623443A. doi:10.1371/journal.pone.0023443. PMC 3154470. PMID 21853133.

추가 읽기