Home / Publications / Апробация критериев оценки наборов молекул для последующего моделирования взаимодействий мишень—лиганд

Апробация критериев оценки наборов молекул для последующего моделирования взаимодействий мишень—лиганд

М. В. Сухоруков 1
М. В. Сухоруков
, 
Д. А. Шульга 1
Д. А. Шульга
, 
И. А. Моргунов 1
И. А. Моргунов
, 
Н. Н. Иванов 1
Н. Н. Иванов
, 
В. А. Палюлин 1 *
В. А. Палюлин
* vap@qsar.chem.msu.ru
Published 2025-12-10
Article , Volume 75, Issue 1, 86-98
Share
Cite this
GOST
 | 
Cite this
GOST Copy
Сухоруков М. В. et al. Апробация критериев оценки наборов молекул для последующего моделирования взаимодействий мишень—лиганд // Russian Chemical Bulletin. 2025. Vol. 75. No. 1. pp. 86-98.
GOST all authors (up to 50) Copy
Сухоруков М. В., Шульга Д. А., Моргунов И. А., Иванов Н. Н., Палюлин В. А. Апробация критериев оценки наборов молекул для последующего моделирования взаимодействий мишень—лиганд // Russian Chemical Bulletin. 2025. Vol. 75. No. 1. pp. 86-98.
RIS
 | 
Cite this
RIS Copy
TY - JOUR
UR - https://russchembull.colab.ws/publications/35
TI - Апробация критериев оценки наборов молекул для последующего моделирования взаимодействий мишень—лиганд
T2 - Russian Chemical Bulletin
AU - Сухоруков, М. В.
AU - Шульга, Д. А.
AU - Моргунов, И. А.
AU - Иванов, Н. Н.
AU - Палюлин, В. А.
PY - 2025
DA - 2025/12/10
PB - Известия Академии наук. Серия химическая
SP - 86-98
IS - 1
VL - 75
ER -
BibTex
 | 
Cite this
BibTex (up to 50 authors) Copy
@article{2025_Сухоруков,
author = {М. В. Сухоруков and Д. А. Шульга and И. А. Моргунов and Н. Н. Иванов and В. А. Палюлин},
title = {Апробация критериев оценки наборов молекул для последующего моделирования взаимодействий мишень—лиганд},
journal = {Russian Chemical Bulletin},
year = {2025},
volume = {75},
publisher = {Известия Академии наук. Серия химическая},
month = {Dec},
url = {https://russchembull.colab.ws/publications/35},
number = {1},
pages = {86--98}
}
MLA
Cite this
MLA Copy
Сухоруков, М. В., et al. “Апробация критериев оценки наборов молекул для последующего моделирования взаимодействий мишень—лиганд.” Russian Chemical Bulletin, vol. 75, no. 1, Dec. 2025, pp. 86-98. https://russchembull.colab.ws/publications/35.

Keywords

биомолекулы
взаимодействие мишень—лиганд
количественное соотношение структура—активность (QSAR)
медицинская химия
моделирование структуры фармакофора
молекулярный докинг

Abstract

В работе сформированы и апробированы на нескольких наборах фрагментов, в том числе предложенных авторами, критерии отбора и сравнения молекул и самих наборов для последующего исследования мишени и моделирования структуры фармакофора. Ключевые требования к фрагментам и критерии оценки их эффективности для дальнейшего моделирования фармакофора оформлены и закреплены в концепции фрагментных базисов — минимальных наборов зондирующих молекул или их фрагментов, максимально покрывающих основные типы взаимодействий мишень—лиганд.

References

1.
Glossary of terms used in medicinal chemistry (IUPAC Recommendations 1998)
Wermuth C.G., Ganellin C.R., Lindberg P., Mitscher L.A.
Pure and Applied Chemistry, 1998
2.
О. Н. Зефирова, К. В. Балакин, М. Ю. Красавин, В. А. Палюлин, В. В. Поройков, Е. В. Радченко, Н. Ф. Салахутдинов, А. А. Спасов, В. П. Фисенко, С. О. Бачурин, Изв. АН. Сер. хим., 2019, 68, 2381
3.
Pharmacophore Modelling and Screening: Concepts, Recent Developments and Applications in Rational Drug Design
Choudhury C., Narahari Sastry G.
Challenges and Advances in Computational Chemistry and Physics, 2019
4.
Assessing How Residual Errors of Scoring Functions Correlate to Ligand Structural Features
Shulga D.A., Shaimardanov A.R., Ivanov N.N., Palyulin V.A.
International Journal of Molecular Sciences, 2022
6.
Cobimetinib
Signorelli J., Shah Gandhi A.
Annals of Pharmacotherapy, 2016
7.
PHASE: a new engine for pharmacophore perception, 3D QSAR model development, and 3D database screening: 1. Methodology and preliminary results
Dixon S.L., Smondyrev A.M., Knoll E.H., Rao S.N., Shaw D.E., Friesner R.A.
Journal of Computer-Aided Molecular Design, 2006
8.
Identification of Common Functional Configurations Among Molecules
Barnum D., Greene J., Smellie A., Sprague P.
Journal of Chemical Information and Computer Sciences, 1996
9.
A Guide to In Silico Drug Design
Chang Y., Hawkins B.A., Du J.J., Groundwater P.W., Hibbs D.E., Lai F.
Pharmaceutics, 2022
11.
From the protein's perspective: the benefits and challenges of protein structure-based pharmacophore modeling
Sanders M.P., McGuire R., Roumen L., de Esch I.J., de Vlieg J., Klomp J.P., de Graaf C.
MedChemComm, 2012
12.
Antigen–Antibody Complexes
Kapingidza A.B., Kowal K., Chruszcz M.
Sub-Cellular Biochemistry, 2020
13.
Next generation 3D pharmacophore modeling
Schaller D., Šribar D., Noonan T., Deng L., Nguyen T.N., Pach S., Machalz D., Bermudez M., Wolber G.
Wiley Interdisciplinary Reviews: Computational Molecular Science, 2020
14.
Extra Precision Glide:  Docking and Scoring Incorporating a Model of Hydrophobic Enclosure for Protein−Ligand Complexes
Friesner R.A., Murphy R.B., Repasky M.P., Frye L.L., Greenwood J.R., Halgren T.A., Sanschagrin P.C., Mainz D.T.
Journal of Medicinal Chemistry, 2006
15.
Novel Method for Generating Structure-Based Pharmacophores Using Energetic Analysis
Salam N.K., Nuti R., Sherman W.
Journal of Chemical Information and Modeling, 2009
17.
A Common Reference Framework for Analyzing/Comparing Proteins and Ligands. Fingerprints for Ligands And Proteins (FLAP):  Theory and Application
Baroni M., Cruciani G., Sciabola S., Perruccio F., Mason J.S.
Journal of Chemical Information and Modeling, 2007
18.
AutoDock4 and AutoDockTools4: Automated docking with selective receptor flexibility
Morris G.M., Huey R., Lindstrom W., Sanner M.F., Belew R.K., Goodsell D.S., Olson A.J.
Journal of Computational Chemistry, 2009
19.
Watermelon: setup and validation of an in silico fragment-based approach
Di Stefano M., Galati S., Piazza L., Gado F., Granchi C., Macchia M., Giordano A., Tuccinardi T., Poli G.
Journal of Enzyme Inhibition and Medicinal Chemistry, 2024
20.
Medvedev M.G., Stroganov O.V., Dmitrienko A.O., Panova M.V., Lisov A.A., Svitanko I.V., Novikov F.N., Chilov G.G.
Mendeleev Communications, 2022
21.
Current trends in organic chemistry: contribution of the N. D. Zelinsky Institute of Organic Chemistry of the Russian Academy of Sciences
Egorov M.P., Ananikov V.P., Baskir E.G., Boganov S.E., Bogdan V.I., Vereshchagin A.N., Vil’ V.A., Dalinger I.L., Dilman A.D., Eliseev O.L., Zlotin S.G., Knyazeva E.A., Kogan V.M., Kononov L.O., Krayushkin M.M., et. al.
Russian Chemical Bulletin, 2024
22.
Binomial Uncertainty in Molecular Dynamics-Based Reactions Analysis
Tyukina S.P., Velmiskina J.A., Dmitrienko A.O., Medvedev M.G.
Journal of Physical Chemistry Letters, 2024
23.
Small-molecule discovery through DNA-encoded libraries
Peterson A.A., Liu D.R.
Nature Reviews Drug Discovery, 2023
25.
How to Find a Fragment: Methods for Screening and Validation in Fragment‐Based Drug Dscovery
Kirkman T., dos Santos Silva C., Tosin M., Bertacine Dias M.V.
ChemMedChem, 2024
26.
FTSite: high accuracy detection of ligand binding sites on unbound protein structures
Ngan C., Hall D.R., Zerbe B., Grove L.E., Kozakov D., Vajda S.
Bioinformatics, 2011
27.
Apo2ph4: A Versatile Workflow for the Generation of Receptor-based Pharmacophore Models for Virtual Screening
Heider J., Kilian J., Garifulina A., Hering S., Langer T., Seidel T.
Journal of Chemical Information and Modeling, 2022
28.
DrugBank 5.0: a major update to the DrugBank database for 2018
Wishart D.S., Feunang Y.D., Guo A.C., Lo E.J., Marcu A., Grant J.R., Sajed T., Johnson D., Li C., Sayeeda Z., Assempour N., Iynkkaran I., Liu Y., Maciejewski A., Gale N., et. al.
Nucleic Acids Research, 2017
29.
KNIME - the Konstanz information miner
Berthold M.R., Cebron N., Dill F., Gabriel T.R., Kötter T., Meinl T., Ohl P., Thiel K., Wiswedel B.
ACM SIGKDD Explorations Newsletter, 2009
30.
RDKit Molecule Fragmenter; RDKit Nodes Feature; https://hub.knime.com/manuelschwarze/extensions/org.rdkit.knime.feature/latest/org.rdkit.knime.nodes.molfragmenter.RDKitMolFragmenterNodeFactory (дата обращения: 01.02.2025)
31.
Decomposition of Small Molecules for Fragment-Based Drug Design
Ivanov N.N., Shulga D.A., Palyulin V.A.
Biophysica, 2023
32.
G. Landrum, P. Tosco, B. Kelley, R. Rodriguez, D. Cosgrove, R. Vianello, sriniker, P. Gedeck, G. Jones, N. Schneider, E. Kawashima, D. Nealschneider, A. Dalke, M. Swain, B. Cole, S. Turk, A. Savelev, tadhurst-cdd, A. Vaucher, M. Wójcikowski, I. Take, R. Walker, V.F. Scalfani, K.Ujihara, D. Probst, J. Lehtivarjo, H. Faara, guillaume godin, A. Pahl, J. Monat, Zenodo, 2025, 21.03.2025
33.
RDKit Canon SMILES; RDKit Nodes Feature; https://hub.knime.com/manuelschwarze/extensions/org.rdkit.knime.feature/latest/org.rdkit.knime.nodes.canonsmiles.RDKitCanonicalSmilesNodeFactory (дата обращения: 01.02.2025)
34.
RDKit Descriptor Calculation, RDKit Nodes Feature; https://hub.knime.com/manuelschwarze/extensions/org.rdkit.knime.feature/latest/org.rdkit.knime.nodes.descriptorcalculation.DescriptorCalculationNodeFactory (дата обращения: 01.02.2025)
35.
RDKit Nodes Feature; https://hub.knime.com/manuelschwarze/extensions/org.rdkit.knime.feature/latest/ (дата обращения: 01.02.2025)
36.
Classification of Organic Molecules by Molecular Quantum Numbers
Nguyen K., Blum L., van Deursen R., Reymond J.
ChemMedChem, 2009
37.
Prediction of Physicochemical Parameters by Atomic Contributions
Wildman S.A., Crippen G.M.
Journal of Chemical Information and Computer Sciences, 1999