Kiran Rameshbhai Dudhat
In der strukturellen Molekularbiologie und der computergestützten Arzneimittelentwicklung ist das molekulare Docking ein wichtiges Werkzeug. Ziel des Ligand-Protein-Dockings ist die Vorhersage der vorherrschenden Bindungsmodi eines Liganden mit einem Protein mit bekannter dreidimensionaler Struktur. Effektive Dockingmethoden verwenden ein Bewertungssystem, das mögliche Dockingverbindungen richtig einstuft und hochdimensionale Räume effizient erforscht. Die Lead-Optimierung profitiert stark vom Einsatz von Docking, um virtuelles Screening riesiger Verbindungsbibliotheken durchzuführen, die Ergebnisse zu bewerten und strukturelle Ideen dafür zu liefern, wie die Liganden das Ziel hemmen. Es kann schwierig sein, die Ergebnisse stochastischer Suchmethoden zu interpretieren, und das Einrichten der Eingabestrukturen für das Docking ist genauso wichtig wie das Docking selbst.
In den letzten Jahren stützte sich das computergestützte Arzneimitteldesign stark auf die Molekular-Docking-Technik, um die Bindungsaffinität abzuschätzen und den interaktiven Modus zu bewerten, da sie die Effizienz deutlich steigern und die Forschungskosten senken kann. In dieser Arbeit werden die wichtigsten Konzepte, Techniken und häufig genutzten Molekular-Docking-Anwendungen vorgestellt. Darüber hinaus werden die gängigsten Docking-Anwendungen gegenübergestellt und relevante Studienfelder vorgeschlagen. Abschließend wird eine kurze Zusammenfassung der jüngsten Entwicklungen im Molekular-Docking gegeben, einschließlich der integrierten Technik und des Deep Learning. Aktuelle Docking-Anwendungen sind aufgrund der unzureichenden Molekularstruktur und der Unzulänglichkeiten des Bewertungsmechanismus nicht präzise genug, um die Bindungsaffinität vorherzusagen.