Name: Farmacofoormodellering voor doelen met uitgebreide ligandbibliotheken: een casestudy over SARS-CoV-2 Mpro (Video) | JoVE Journal
Uploaded: 2025-09-26T14:30:00.000+00:00
Duration: 5 min 50 s
Description: Ontdek farmacofoormodellering met uitgebreide ligandbibliotheken voor SARS-CoV-2 Mpro. Deze methode identificeert 11 sleutelinteracties en verbetert virtueel screenen voor rationeel medicijnontwerp.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Leach, A. R., Gillet, V. J., Lewis, R. A., Taylor, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Three-dimensional+pharmacophore+methods+in+drug+discovery%5BTitle%5D)+AND+%22J+Med+Chem%22%5BJournal%5D)">Three-dimensional pharmacophore methods in drug discovery.</a> J Med Chem. 53 (2), 539-558 (2010).</li>
<li>Giordano, D., Biancaniello, C., Argenio, M. A., Facchiano, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Drug+design+by+pharmacophore+and+virtual+screening+approach%5BTitle%5D)+AND+%22Pharmaceuticals+%28Basel%29%22%5BJournal%5D)">Drug design by pharmacophore and virtual screening approach.</a> Pharmaceuticals (Basel). 15 (5), 646(2022).</li>
<li>Schaller, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Next+generation+3D+pharmacophore+modeling%5BTitle%5D)+AND+%22WIREs+Comput+Mol+Sci%22%5BJournal%5D)">Next generation 3D pharmacophore modeling.</a> WIREs Comput Mol Sci. 10 (4), e1468(2020).</li>
<li>Wolber, G., Langer, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((LigandScout%3A+3-D+pharmacophores+derived+from+protein-bound+ligands+and+their+use+as+virtual+screening+filters%5BTitle%5D)+AND+%22J+Chem+Inf+Model%22%5BJournal%5D)">LigandScout: 3-D pharmacophores derived from protein-bound ligands and their use as virtual screening filters.</a> J Chem Inf Model. 45 (1), 160-169 (2005).</li>
<li>Ekins, S., Mestres, J., Testa, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+silico+pharmacology+for+drug+discovery%3A+Methods+for+virtual+ligand+screening+and+profiling%5BTitle%5D)+AND+%22Br+J+Pharmacol%22%5BJournal%5D)">In silico pharmacology for drug discovery: Methods for virtual ligand screening and profiling.</a> Br J Pharmacol. 152 (1), 9-20 (2007).</li>
<li>Wolber, G., Dornhofer, A. A., Langer, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Efficient+overlay+of+small+organic+molecules+using+3D+pharmacophores%5BTitle%5D)+AND+%22J+Comput+Aided+Mol%22%5BJournal%5D)">Efficient overlay of small organic molecules using 3D pharmacophores.</a> J Comput Aided Mol. 20 (12), 773-788 (2006).</li>
<li>Schuster, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3D+pharmacophores+as+tools+for+activity+profiling%5BTitle%5D)+AND+%22Drug+Discov+Today+Technol%22%5BJournal%5D)">3D pharmacophores as tools for activity profiling.</a> Drug Discov Today Technol. 7 (4), e205-e211 (2010).</li>
<li>Qing, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pharmacophore+modeling%3A+advances%2C+limitations%2C+and+current+utility+in+drug+discovery%5BTitle%5D)+AND+%22J+Recept+Ligand+Channel+Res%22%5BJournal%5D)">Pharmacophore modeling: advances, limitations, and current utility in drug discovery.</a> J Recept Ligand Channel Res. 7, 81-92 (2014).</li>
<li>Ullrich, S., Nitsche, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+SARS-CoV-2+main+protease+as+drug+target%5BTitle%5D)+AND+%22Bioorg+Med+Chem+Lett%22%5BJournal%5D)">The SARS-CoV-2 main protease as drug target.</a> Bioorg Med Chem Lett. 30 (17), 127377(2020).</li>
<li>Ruiz-Moreno, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Consensus+pharmacophore+strategy+for+identifying+novel+SARS-CoV-2+Mpro+inhibitors+from+large+chemical+libraries%5BTitle%5D)+AND+%22J+Chem+Inf+Model%22%5BJournal%5D)">Consensus pharmacophore strategy for identifying novel SARS-CoV-2 Mpro inhibitors from large chemical libraries.</a> J Chem Inf Model. 64 (6), 1984-1995 (2024).</li>
<li>Schrödinger, L., DeLano, W. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSchr%C3%B6dinger%2C+L+%22PyMOL%2C+2020%22">PyMOL, 2020</a>. , http://www.pymol.org/pymol (2020).</li>
<li>Sunseri, J., Koes, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pharmit%3A+Interactive+exploration+of+chemical+space%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">Pharmit: Interactive exploration of chemical space.</a> Nucleic Acids Res. 44 (W1), W442-W448 (2016).</li>
<li>Kim, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PubChem+2025+update%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">PubChem 2025 update.</a> Nucleic Acids Res. 53 (D1), D1516-D1525 (2025).</li>
<li>Tingle, B. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ZINC-22%3A+A+free+multi-billion-scale+database+of+tangible+compounds+for+ligand+discovery%5BTitle%5D)+AND+%22J+Chem+Inf+Model%22%5BJournal%5D)">ZINC-22: A free multi-billion-scale database of tangible compounds for ligand discovery.</a> J Chem Inf Model. 63 (4), 1166-1176 (2023).</li>
<li>Hazemann, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accelerating+the+hit-to-lead+optimization+of+a+SARS-CoV-2+Mpro+inhibitor+series+by+combining+high-throughput+medicinal+chemistry+and+computational+simulations%5BTitle%5D)+AND+%22J+Med+Chem%22%5BJournal%5D)">Accelerating the hit-to-lead optimization of a SARS-CoV-2 Mpro inhibitor series by combining high-throughput medicinal chemistry and computational simulations.</a> J Med Chem. 68 (8), 8269-8294 (2025).</li>
<li>Momin, Y., Beloshe, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pharmacophore+modeling+in+drug+design%5BTitle%5D)+AND+%22Adv+Pharmacol%22%5BJournal%5D)">Pharmacophore modeling in drug design.</a> Adv Pharmacol. 103, 313-324 (2025).</li>
<li>Zdrazil, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+ChEMBL+database+in+2023%3A+A+drug+discovery+platform+spanning+multiple+bioactivity+data+types+and+time+periods%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">The ChEMBL database in 2023: A drug discovery platform spanning multiple bioactivity data types and time periods.</a> Nucleic Acids Res. 52 (D1), D1180-D1192 (2024).</li>
<li>Zhou, L., Griffith, R., Gaeta, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Combining+spatial+and+chemical+information+for+clustering+pharmacophores%5BTitle%5D)+AND+%22BMC+Bioinformatics%22%5BJournal%5D)">Combining spatial and chemical information for clustering pharmacophores.</a> BMC Bioinformatics. 15 (Suppl 16), S5(2014).</li>
<li>Guner, O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((History+and+evolution+of+the+pharmacophore+concept+in+computer-aided+drug+design%5BTitle%5D)+AND+%22Curr+Top+Med+Chem%22%5BJournal%5D)">History and evolution of the pharmacophore concept in computer-aided drug design.</a> Curr Top Med Chem. 2 (12), 1321-1332 (2002).</li>
<li>Wieder, M., Perricone, U., Seidel, T., Boresch, S., Langer, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparing+pharmacophore+models+derived+from+crystal+structures+and+from+molecular+dynamics+simulations%5BTitle%5D)+AND+%22Monatsh+Chem%22%5BJournal%5D)">Comparing pharmacophore models derived from crystal structures and from molecular dynamics simulations.</a> Monatsh Chem. 147 (3), 553-563 (2016).</li>
<li>Santos, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comprehensive+map+of+molecular+drug+targets%5BTitle%5D)+AND+%22Nat+Rev+Drug+Discov%22%5BJournal%5D)">A comprehensive map of molecular drug targets.</a> Nat Rev Drug Discov. 16 (1), 19-34 (2017).</li>
</ol>

<table><tbody><tr><td>Google Colab</td><td>Google LLC</td><td>https://colab.google</td><td>Webgebaseerde platform voor het uitvoeren van Python notebooks; hier gebruikt om ConPhar en PyMOL scripts uit te voeren voor consensus farmacofoormodellering.</td></tr><tr><td>Pharmit</td><td>Koes Lab aan de Universiteit van Pittsburgh</td><td>https://pharmit.csb.pitt.edu/search.html</td><td>Webplatform voor interactieve farmacofoor virtuele screening en chemische ruimte exploratie, waarmee het uploaden van ligandbestanden en het genereren van farmacofoorfuncties mogelijk is</td></tr><tr><td>PyMOL</td><td>Schr&ouml;dinger, Inc.</td><td>https://www.pymol.org</td><td>Software voor moleculaire visualisatie en structurele uitlijning, gebruikt voor eiwit-ligandencomplex superpositie en analyse</td></tr><tr><td>Ondersteunend bestand 1 Farmacofoor Workflow Script</td><td>Google LLC</td><td>https://colab.research.google.com/drive/1Zj8DjazV6mJM-we9iOpoGTZt8JfW4I7D?usp=sharing</td><td>Volledig uitvoerbaar script voor het installeren van Conda, PyMOL en het uitvoeren van de farmacofoor workflow in Google Colab. Ook beschikbaar als ondersteunend bestand 1.</td></tr></tbody></table>

farmacofoormodellering voor doelen met uitgebreide ligandbibliotheken: een casestudy over sars-cov-2 mpro

Pharmacophore Modeling for Targets with Extensive Ligand Libraries: A Case Study on SARS-CoV-2 Mpro

Farmacofoormodellering voor doelen met uitgebreide ligandbibliotheken: een casestudy over SARS-CoV-2 Mpro

A pharmacophore defines the spatial arrangement of molecular features required for optimal interactions between a compound and its biological target. ...

pharmacophore-modeling-for-targets-with-extensive-ligand-libraries

Research

JoVE Journal

Biochemistry

Biochemie

Deze studie was gericht op het presenteren van een strategie voor het identificeren van drug-peptide interacties. De strategie omvat het biopanning van drug-herkennende korte peptiden op basis van een kwarts-kristal microbalans (QCM) biosensor, gevolgd door bioinformatica analyse voor het kwantitatief beoordelen van de informatie verkregen voor de drugherkenning en annotatie van de drug-bindende sites op eiwitten.

Biosensor-gebaseerde high throughput biopanning en bioinformatica analyse strategie voor de wereldwijde validatie van drug-eiwit interacties

Dit artikel beschrijft het volledige XChem-proces voor het screenen van fragmenten op basis van kristallen, vanaf het aanvragen van toegang en alle daaropvolgende stappen tot het verspreiden van gegevens.

Efficiënte fragmentscreening bereiken in de XChem-faciliteit bij Diamond Light Source

Een belangrijke vaardigheid in biomoleculaire modellering is het weergeven en annoteren van actieve plaatsen in eiwitten. Deze techniek wordt gedemonstreerd met behulp van vier populaire gratis programma's voor macromoleculaire visualisatie: iCn3D, Jmol, PyMOL en UCSF ChimeraX.

Modellering van een Enzyme Active Site met behulp van Moleculaire Visualisatie Freeware

Dit protocol introduceert de tools die beschikbaar zijn voor het modelleren van liganden van kleine moleculen in cryoEM-kaarten van macromoleculen.

Liganden modelleren in kaarten afgeleid van elektronencryomicroscopie

Het experiment dat hier wordt gebruikt, toont een methode van moleculaire docking in combinatie met cellulaire thermische verschuivingstest om de interactie tussen kleine moleculen en eiwitdoelen te voorspellen en te valideren.

Voorspelling en validatie van eiwitdoelen van een verbinding met kleine moleculen

Hier presenteren we een protocol voor het structuurgestuurde ontwerp van eiwit-ligandbindingsinteractie tussen Sanglifehrin A en Cyclophiline A/Ganoderiol-F, essentieel voor de ontdekking van nieuwe geneesmiddelen. De stabiliteit van het ligand-receptorcomplex werd geëvalueerd met behulp van moleculaire dynamica-simulatie.

Structuurgeleid ontwerp en ontwikkeling van nieuwe cyclophiline A-remmers en ganoderiol-F-derivaten: een in-silico-benadering

Computationele methoden zijn veelbelovend voor het versnellen van de ontdekking van geneesmiddelen, maar ze zien vaak de dynamische aard van eiwitstructuren over het hoofd. Hier bespreken we ensemble-gebaseerde docking-analyse om indirect eiwitflexibiliteit op te nemen, waardoor de nauwkeurigheid en betrouwbaarheid van inspanningen voor het ontdekken van geneesmiddelen mogelijk wordt verbeterd.

Integratie van de flexibiliteit en dynamiek van de doeleiwitstructuur bij het ontdekken van computationele geneesmiddelen met behulp van ensemble-gebaseerde dockinganalyse

Deze studie gebruikte in-silico-strategieën om Enumerated Etravirine te identificeren als een veelbelovend therapeutisch middel voor HIV. Onze bevindingen over moleculaire interacties en dynamiek ondersteunen het rationele ontwerp van nieuwe NNRTI's als mogelijke alternatieven voor de behandeling van hiv.

Kwantitatieve structuur-activiteitsrelatie, activiteitsvoorspelling en moleculaire dynamiek van niet-nucleotide reverse transcriptaseremmers

Dit tweetalige protocol biedt een computationele workflow voor geneesmiddelenontdekking die eiwit-ligandinteracties van Polo-achtige Kinases 1 tot 3 (PLK1–3) en de eigenschappen van Absorptie, Distributie, Metabolisme, Excretie, Toxiciteit en Stabiliteit (ADMET-S) van in databases gebaseerde natuurlijke moleculen beoordeelt.

Een tweetalige computationele workflow voor het identificeren van potentiële PLK1-remmers in Amerikaanse gebarentaal en Engels

Dit protocol maakt gebruik van zowel subunit co-expressie en postlysis subunit mengen voor een grondig onderzoek van recombinant proteasoom montage.

Het onderzoeken van Proteasome Montage met Recombinant Archaea Proteasomen en denaturerende PAGE: The Case voor een gecombineerde aanpak

Ontdek farmacofoormodellering met uitgebreide ligandbibliotheken voor SARS-CoV-2 Mpro. Deze methode identificeert 11 sleutelinteracties en verbetert virtueel screenen voor rationeel medicijnontwerp.

Farmacofoormodellering voor doelen met uitgebreide ligandbibliotheken: een casestudy over SARS-CoV-2 Mpro

Meer video's verkennen