AutoDock

AutoDock

Típusú	Molekuláris modellezés
Fejlesztő	Kutatóintézet
Beírva	C / C++
Operációs rendszer	Windows , macOS , Linux , Solaris
legújabb verzió	4.2.6 (2012-08-04)
Állapot	aktív
Engedély	GPL2+ (AutoDock 4) / ASL 2.0 (AutoDock Vina)
Weboldal	autodock.scriptps.edu

Az AutoDock egy automatizált molekuláris dokkoláshoz tervezett szoftvercsomag . Főleg fehérje-ligandum dokkolásra használják , beleértve a mobil fehérjemaradékok figyelembevételét is . Az Autodock-ot „vakdokkolásra” is használják, amikor a fehérje aktív helye nem ismert.

A programról

Az AutoDock azon szoftvercsomagok egyike, amely képes megjósolni a kis molekulák kötődését ismert szerkezetű fehérjékhez. A valódi AutoDock disztribúciók két generációs szoftvert tartalmaznak: az AutoDock 4 és az AutoDock Vina. Az AutoDock ingyenes szoftver, melynek legújabb 4-es verziója a GNU General Public License alatt, az AutoDock Vina pedig az Apache licenc alatt érhető el [1] [2] .

A legelső verziótól kezdve az Autodock 2 program kombinációja: az Autodock - a tényleges dokkoló program és az Autogrid - egy program, amely lehetővé teszi a potenciális rácsok kiszámítását . Minden egyes receptorhoz (a dokkolóreceptor egy makromolekula, amelyre rácsot számítanak ki) elég egyszer kiszámítani a potenciálrácsokat minden egyes atomtípushoz, ami lehetővé teszi, hogy számításokat hajtson végre bármely , ezekből az atomokból álló ligandumra (a dokkolóban lévő ligandum olyan kis molekula, amelynél változás lehetséges). pozíciók és konformációk) [1] .

Az AutoDock volt a legtöbbet idézett dokkolóeszköz 2006-ban [3] .

Az AutoDockot a The Scripps Research Institute és az Olson Laboratory tartja karban és fejleszti [1] .

Működési mechanizmus

A dokkolás a receptoron belüli köbös területen (dokkolódoboz) történik. Az AutoGrid használatával bináris fájlok készlete jön létre a receptorhoz - potenciális rácsokhoz. A dokkolódobozban lévő minden egyes atomra leírják, hogy milyen kölcsönhatásba léphet egy adott kémiai elem vizsgált atomjával. Ezen elemek halmazát a dokkoláshoz szükséges ligandumok kémiai összetétele határozza meg. Minden kémiai elemhez 1-2 fájl készül. A potenciál kiszámításához egy pontozási függvényt használnak, amely fizikai törvényeken alapul, vagy empirikusan, vagy vegyesen. A pontozási funkciók a program különböző verzióiban eltérőek lehetnek. A szabadenergia kiszámításához potenciálrácsokat használnak [4] .

A ligandumot, az atomok, kötések és töltések összessége mellett, a programon belül egy számkészlet írja le - a dokkolódobozban elfoglalt helyzet, az összes aktív torziós szög elfordulása. Az Autodock ezeknek a számoknak az összes lehetséges kombinációját végigjárja, hogy végre megtalálja a ligandum optimális helyzetét a dokkolódobozban a szabad energia szempontjából. Ezért általában egy 10-30 angström oldalú kockát választanak dokkoló doboznak , hogy az tartalmazza a receptor aktív központját [4] .

Az aktív hely összes lehetséges pozíciójának és a ligandum összes konformációjának teljes felsorolása nagyon idő- és erőforrás-igényes feladat. A folyamat optimalizálására az Autodock globális minimum keresési algoritmusokat használ: Monte Carlo , szimulált lágyítás , genetikai algoritmusok : LGA (Lamarckian Genetic Algorithm) [4] .

Példa az LGA-n alapuló Autodock 4.2-re [5] :

Létrejön a ligandumok populációja (a populáció méretét a felhasználó állítja be). Mindegyik ligand véletlenszerűen helyezkedik el a dokkolódobozban, véletlenszerű konformációval rendelkezik , és transzlációs , orientációs és konformációs számok halmaza írja le őket.
A sokaság minden elemére kiszámolják a szabad energiát . Ez magában foglalja a receptor és a ligandum intermolekuláris kölcsönhatásának energiáját, valamint a ligandum intramolekuláris energiáját.
tenyésztési szakasz. Minden elemnél a leszármazottak számát a következő képlettel számítjuk ki: , ahol a leszármazottak száma, az elem szabad energiája, a legrosszabb elem energiája (maximum), az átlagos energia. Ezt követően minden átlagosnál jobb elem arányos számú utódot kap, amely hozzáadódik a populációhoz. $n=(f{w}-f{i})/(f{w}-f{mean})$ $n$ ${\displaystyle f{i))$ $f{w}$ ${\displaystyle f{átlag))$ $n$
Keresztezési szakasz : Egy sokaság két elemét véletlenszerűen választják ki, és a rájuk jellemző számok rekombinálódnak , azaz az elemek kicserélik a számok egy részét. Az újrakombináló párok százalékos arányát a felhasználó állítja be.
Mutációs szakasz : A Cauchy-eloszlásnak megfelelően egy véletlen számot adunk az elem jellemző számaihoz . Az eloszlási paramétereket és a mutációk százalékos arányát a felhasználó állítja be.
Kihalási szakasz: a populáció legrosszabb elemeit eltávolítják. A túlélők számát is a felhasználó állítja be.
Optimalizálási szakasz. A populáció minden elemét helyi keresési algoritmusokkal optimalizálják , például szimulált lágyítást alacsony hőmérsékleten, ami lehetővé teszi a szabad energia minimálisra csökkentését kis határokon belül. Ez a szakasz különbözteti meg az LGA-t a klasszikus genetikai algoritmusoktól.
A 2-7. lépéseket bizonyos számú alkalommal megismételjük (amíg a legjobb szabad energia változása meg nem szűnik, vagy amíg el nem éri az időbeli vagy az iterációk számának határát).
A teljes előző lépéssorozatot többször végrehajtja (független futtatások).
A többszöri indítás eredményei a dokkolódobozban elfoglalt pozíció szerint vannak csoportosítva, RMSD 1 angström határértékkel.
A klaszterben található összes lelet esetében kiszámítjuk a receptorral való kölcsönhatás energiáját. A klaszter energiája a legjobbnak tekinthető ebben a klaszterben.
A végső energiát a legjobb klaszterek esetében a receptor és a ligandum kötetlen helyzetéből kötött helyzetbe való átmenet energiái közötti különbségek különbségeként számítjuk ki [6] .

Verzióelőzmények

Autodock 1

Létrehozva 1990-ben. Az első verzió az Amber erőtéren alapul . A pontozási függvény a Lennard-Jones- potenciál , az elektrosztatikus potenciál és a kovalens kötések energiájának tapasztalati függvényeinek összege, a sík- és torziós szögek [7] .

V=\sum _{\text{bonds}}k_{b}(l-l_{0})^{2}+\sum _{\text{anges}}k_{a}(\theta - \theta _{0})^{2}+\sum _{\text{torsions}}\sum _{n}{\frac {1}{2}}V_{n}[1+\cos(n\ omega -\gamma )]+\sum _{j=1}^{N-1}\sum _{i=j+1}^{N}f_{ij}{\biggl \{}\epsilon _{ij }{\biggl [}\left({\frac {r_{0ij}}{r_{ij}}}\jobb)^{12}-2\left({\frac {r_{0ij}}{r_{ij ))}\right)^{6}{\biggr ]}+{\frac {q_{i}q_{j}}{4\pi \epsilon _{0}r_{ij}}}{\biggr \} }

Monte Carlo algoritmusok és lágyítási szimulációk állnak rendelkezésre az implementációban [8] .

Autodock 2.4

Számos fejlesztés, kísérőprogram létezik a párhuzamos indításokhoz. Az oszd meg és uralkodj elvén alapszik egy új algoritmus a keresés javítására a nagyobb szabadságfokú ligandumok esetében . Továbbfejlesztett helyi optimalizálási algoritmus [9] .

Autodock 3

Az LGA kombinált genetikai algoritmust [10] először használták a keresés optimalizálására . Egy új, félig empirikus pontozási függvény, amelyet 30 fehérje-ligandum komplexen kalibráltak, figyelembe veszi az irányított hidrogénkötéseket és a szolvatációs energiát [5] .

$V=W_{\text{vdw}}\sum \limits _{i,j}\left({\dfrac {A_{ij}}{r_{ij}^{12}}}-{\dfrac {B_{ij}}{r_{ij}^{6}}}\jobbra)+W_{\text{hbond}}\sum \limits _{i,j}E(t)\left({\dfrac { C_{ij}}{r_{ij}^{12}}}-{\dfrac {D_{ij}}{r_{ij}^{10}}}\jobbra)+W_{\text{elec}}\ összeg \limits _{i,j}{\dfrac {q_{i}q_{j}}{e(r_{ij})r_{ij}}}+W_{\text{sol}}\sum \limits _ {i,j}\left(S_{i}V_{j}-S_{j}V_{i}\right)e^{\left(-r_{ij}^{2}/2\sigma ^{2 }\jobb)}$

Autodock 4, 4.2

Az oldalláncok lehetséges mobilitásának figyelembevétele. Ezt úgy érik el, hogy a fehérjét két fájlra osztják. Az egyik rész statikusnak számít, a másik mobil. A statikus résszel az AutoGrid energiaszámítással, a mozgó résszel pedig ugyanazokkal a módszerekkel dolgoznak, mint a ligandum esetében. Új típusú atomokat hoztak létre, például halogéneket és bázikus fémionokat. Továbbfejlesztett pontozási funkció. Kalibrálás 250 struktúrán a PDBBind -től . Megjelent az AutoDockTools - speciális szoftver a fájlok dokkoláshoz való előkészítésére [6] .

Autodock 4.2.5

Átláthatóbb programkimenet-vezérlési lehetőség került hozzáadásra, amely lehetővé teszi, hogy kis kimenetet készítsen szűréshez, és jelentést jelenítsen meg a mélyebb elemzés érdekében. Néhány futásidejű hiba, amely figyelmeztetést okozott a korábbi verziókban, most leállítja a programot. Ez a szűrési igényekre adott válasz, ahol a felhasználó esetleg nem veszi észre a megjelenő figyelmeztetéseket. A ligandum kötetlen atomjai közötti elektrosztatikus kölcsönhatások számítása alapértelmezés szerint engedélyezve van. Az intelec be/ki paranccsal [4] is lehetséges az engedélyezés/letiltás .

Autodock Vina

Az AutoDock Vina egy új generációs szoftver, amelyet a Molecular Graphics Lab fejlesztett ki. Jelentős javulást mutat az átlagos pontossági mutatók terén a kötési helyek előrejelzésében, valamint észrevehető kétszeres sebességnövekedést mutat az AutoDock 4.1-hez képest. Alapvetően új, X-Score algoritmuson alapuló pontozási függvény [11] , amelyet a többprocesszoros rendszerek fejlődésének figyelembevételével fejlesztettek ki. Az AutoDock 4-ben és az AutoDock Vina-ban használt hibák és maguknak a pontozási függvényeknek a különbségei miatt a programok eltérő eredményeket mutathatnak ugyanazon az adatokon [12] .

AutoDockTools

Az Autodock-hoz tartozik egy AutoDockTools (ADT) grafikus felület, amely segít a dokkolás elemzésében és a ligandumban a mobilnak tekinthető kötések kiválasztásában. Az ADT [1] néhány funkcióját az alábbiakban említjük :

Molekulák megtekintése és elforgatása 3D-ben;
Adjon hozzá hidrogénmolekulákat, poláris és nem poláris egyaránt;
Az atomok részleges töltését ligandumokkal és makromolekulákkal társítani;
Jelöljön ki mobil kötéseket a ligandumban az AutoTors grafikus verziójával;
DPF, GPF fájlok testreszabása;
Az AutoGrid és az AutoDock futtatása;
Az AutoDock eredményének megjelenítése és megjelenítése.

Beviteli fájlok

A .pdb kiterjesztésű fájlok jelentik a fő formátumot a molekulák konformációjával és szerkezetével kapcsolatos információk tárolására. Az ilyen fájlok röntgenkrisztallográfiával vagy NMR-spektroszkópiával , vagy a molekulák szerkezetének előrejelzésére szolgáló módszerekkel nyert kísérleti adatokból származnak . Az AutoDock 4-től kezdve a dokkolási eljáráshoz két .pdbqt fájl szükséges; az egyik a receptor, a másik a ligandum. Ha figyelembe kell venni néhány aminosav mobilitását egy fehérjében, akkor egy harmadik fájl jön létre, amely információkat tartalmaz a fehérje mozgékony részeiben lévő atomokról. A .pdb fájlok .pdbqt formátumba konvertálása lehetséges az AutoDock Tools [4] segítségével .

A pdbqt fájlok a következő információkat tartalmazzák [4] :

Atom koordináták,
poláris hidrogének,
részleges töltések az atomokon,
Az atomok típusa például az alifás és aromás szénnek két különböző típusa van,
Információk a mobilkommunikációról.

Az eredmények értelmezése

Az Autodock egy ligandumra végzett munkájának eredményeként egy dlg fájlt kapunk. Részletes beszámolót tartalmaz a program működéséről. Tartalmazza az egyes futtatások eredményeit a ligandum végső helyzetével (a ligandum szerkezete pdbqt formátumban van írva), a számított energiával, a számításra fordított idővel [4] .

A klaszterezés eredménye is elérhető: minden klaszternél megjelenik a sokaság (Num in cluster), a legjobb energia (Lowest kötési energia), mely konkrét futáshoz tartozik (Run) [4] :

CLASZTEROZÁSI HISZTOGRAM ____________________ _____________________________________________________________________________________ | | | | | Clus | mélynyugati | futni | jelent | Szám | Hisztogram -ter | Kötés | | Kötés | in | Rang | energia | | energia | Clus | 5 10 15 20 25 30 35 _|___________|_____|___________|_____|____:____|____:____|____:____|____:___ 1 | -3,44 | 150 | -3,44 | 2 |## 2 | -3,42 | 63 | -3,41 | 42|#x42 3 | -3,42 | 187 | -3,40 | 83|#x83 4 | -3,38 | 115 | -3,36 | 33|#x33 5 | -3,32 | 128 | -3,31 | 37|#x37 6 | -3,28 | 122 | -3,27 | 3 |### _|___________|_____|_______________|_____|___________________________________________

A tényleges eredmények a ΔG energia és a ligandum pozíciója a receptor aktív helyén. A ligandumok energiakülönbsége az első közelítésben azt mutatja, hogy az egyik ligandum mennyivel jobban kötődik a receptorhoz, mint a másik. A ligandum pozíciója az aktív helyen lehetővé teszi a kötődési mechanizmus előrejelzését [13] .

Alkalmazások

Az AutoDock a következő területeken talál alkalmazást [1] :

röntgendiffrakciós elemzés ,

gyógyszertervezés,

virtuális vetítés ,

Fehérje-fehérje kölcsönhatások keresése ,

Kémiai folyamatok kutatása.

Az Autodockot széles körben használják a tudományos közösségben mind molekuláris dokkolás, mind nagy vegyületkönyvtárak virtuális szűrésére (pl. ZINC) [14] .

A dokkolást a patogén organizmusok, különösen a tubercle bacillus topoizomeráz I enzimblokkolók keresésére is használják [15] .

A Mycobacterium tuberculosis (Mtb) (MptpB) tirozin-foszfatáz B fehérje a baktérium fontos virulenciafaktora , amely elősegíti a baktériumok túlélését a makrofágokban . A humán ortológus hiánya vonzó célponttá teszi az MptpB-t az új TB-terápiák számára. Az MptpB-inhibitorok hatékony eszközt jelenthetnek a kialakuló tuberkulózis-gyógyszer-rezisztencia leküzdésére. Struktúra alapú virtuális szűrési stratégia segítségével a szerzők sikeresen azonosították az MptpB tiobarbiturát alapú gyógyszer-gátlóját [16] .

Az Autodock segítségével HIV proteáz inhibitorokat találtak [17] . Különösen a HIV aszparaginsav-peptidáz inhibitorok (HIV IP-k) jó jelöltek a kábítószer-újrafelhasználásra.

Ezen túlmenően, a dokkolást olyan ligandumok keresésére használják, amelyek kölcsönhatásba lépnek a transzkripciós faktorokkal . Például a HNF-1a egy transzkripciós faktor, amely szabályozza a glükóz metabolizmusát azáltal, hogy különböző szövetekben expresszálódik. A potenciális célpontokat in silico dokkolás segítségével találták meg [18] .

A dokkolást két transzkripciós szabályozó, az ExuR és az UxuR, a glikolízis szubsztrátokkal és intermedierekkel, az Ashwell és az Entner-Doudoroff útvonalak kölcsönhatásának modellezésére használták . Az UxuR esetében két előnyben részesített ligandumkötő helyet találtunk, az egyik a C-terminális doménben, a másik pedig a tartományok közötti teret foglalja el. Az ExuR esetében csak egy preferált helyet találtak az interdomain régióban [19] .

Az Autodock (főleg a Vina) széles körben használatos számos automatizált virtuális szűrőrendszerben [20] [21] [22] .

Projekt együttműködések

A World Community Grid felajánlja, hogy ingyenes számítási teljesítményhez juthat az AutoDock-alapú kutatás felgyorsítása érdekében [1] .

Az AutoDock a World Community Grid alapján indult a következő projektekkel:

FightAIDS@Home a Scripps Kutatóintézettől [23] .

Fedezze fel a Dengue-láz-gyógyszereket – Együtt a Texasi Egyetem orvosi részlegéből [24] ,

Segítség a gyermekkori rák elleni küzdelemben [25] ,

Influenza vírusellenes gyógyszerkeresés [26] .

GO Fight Against Malaria [27] .

Alternatív programok

2016-ban különböző programokat értékeltek 2002 fehérje-ligandum komplex mintán. Megbecsültük a dokkolás segítségével talált pozíciók egybeesésének gyakoriságát. Azokat az eseteket, amikor a ligandum talált és natív pozíciója közötti RMSD nem haladta meg a 2 Å -t [28] [29] , véletlennek tekintettük .

Az alternatív akadémiai programok közül a LeDock, rDock, UCSF Dock kiemelkedik, míg az első program mutatta a legjobb eredményt (57,4%-os egyetértés) [29] .

A kereskedelmi alternatív programok jobban teljesítettek (59,8% a GOLD esetében), mint az akadémiai programok. A vizsgálatban a Surflex, FlexX, Glide, LigandFit, MOE-Dock, ICM_pro, MCDock, FRED programok is részt vettek. [28] .

A program értékelésének eredményei [28]

Program	Véletlen egybeesés	Program	Véletlen egybeesés
ARANY	59,8%	Autodock Vina	49,0%
Glide (XP)	57,8%	AutoDock ( PSO )	47,3%
LeDock	57,4%	LigandFit	46,1%
Siklás (SP)	53,8%	MOE dokkoló	45,6%
Surflex dokkoló	53,2%	UCSD DOCK	44,0%
rDock	50,3%	AutoDock (LGA)	37,4%

Jegyzetek

↑ 1 2 3 4 5 6 Garrett M. Morris. AutoDock (angol) . autodock.scriptps.edu. Letöltve: 2017. április 4. Az eredetiből archiválva : 2020. január 13.
↑ AutoDock Vina – molekuláris dokkoló és virtuális szűrőprogram . http://vina.scripps.edu.+ Letöltve: 2019. május 3. Az eredetiből archiválva : 2020. január 8.. (határozatlan)
↑ Sousa Sérgio Filipe , Fernandes Pedro Alexandrino , Ramos Maria João. Protein-ligand dokkolás: Jelenlegi állapot és jövőbeli kihívások // Proteins: Structure, Function, and Bioinformatics. - 2006. - július 21. ( 65. évf. , 1. sz.). - P. 15-26 . — ISSN 0887-3585 . - doi : 10.1002/prot.21082 .
↑ 1 2 3 4 5 6 7 8 Garrett M. Morris, David S. Goodsell, Michael E. Pique, William "Lindy" Lindstrom, Ruth Huey, Stefano Forli, William E. Hart, Scott Halliday, Rik Belew és Arthur J. Olson. AutoDock4.2 felhasználói kézikönyv . Letöltve: 2017. április 4. Az eredetiből archiválva : 2017. május 18.. (határozatlan)
↑ 1 2 doi : 10.1002/(SICI)1096-987X(19981115)19:14<1639::AID-JCC10>
3.0.CO ; 2 - B
↑ 1 2 Morris Garrett M. , Huey Ruth , Lindstrom William , Sanner Michel F. , Belew Richard K. , Goodsell David S. , Olson Arthur J. AutoDock4 és AutoDockTools4: Automated docking with selective receptor flexibility // Journal of Computational Chemistry. - 2009. - December ( 30. évf. , 16. sz.). - P. 2785-2791 . — ISSN 0192-8651 . - doi : 10.1002/jcc.21256 .
↑ Goodford PJ Számítási eljárás biológiailag fontos makromolekulák energetikailag kedvező kötőhelyeinek meghatározására. (angol) // Journal Of Medicinal Chemistry. - 1985. - július ( 28. évf. , 7. sz.). - P. 849-857 . — PMID 3892003 .
↑ Goodsell David S. , Olson Arthur J. Szubsztrátok automatikus dokkolása fehérjékhez szimulált annealing segítségével // Proteins: Structure, Function, and Genetics. - 1990. - 1. évf. 8 , sz. 3 . - P. 195-202 . — ISSN 0887-3585 . - doi : 10.1002/prot.340080302 .
↑ Morris Garrett M. , Goodsell David S. , Huey Ruth , Olson Arthur J. Rugalmas ligandumok elosztott automatizált dokkolása fehérjékhez: Az AutoDock 2.4 párhuzamos alkalmazásai // Journal of Computer-Aided Molecular Design. - 1996. - augusztus ( 10. évf. , 4. sz.). - P. 293-304 . — ISSN 0920-654X . - doi : 10.1007/BF00124499 .
↑ Fuhrmann Jan , Rurainski Alexander , Lenhof Hans-Peter , Neumann Dirk. Egy új Lamarcki genetikai algoritmus rugalmas ligand-receptor dokkoláshoz // Journal of Computational Chemistry. - 2010. - P. NA-NA . — ISSN 0192-8651 . - doi : 10.1002/jcc.21478 .
↑ Wang R. , Lai L. , Wang S. Empirikus pontozási függvények továbbfejlesztése és validálása szerkezet alapú kötési affinitás előrejelzéséhez. (angol) // Journal Of Computer-aided Molecular Design. - 2002. - január ( 16. évf. , 1. sz.). - P. 11-26 . — PMID 12197663 .
↑ Trott Oleg , Olson Arthur J. AutoDock Vina: A dokkolás sebességének és pontosságának javítása új pontozási funkcióval, hatékony optimalizálással és többszálú kezeléssel // Journal of Computational Chemistry. - 2009. - P. NA-NA . — ISSN 0192-8651 . - doi : 10.1002/jcc.21334 .
↑ Ma Xiaoli , Yan Jin , Xu Kailin , Guo Luiqi , Li Hui. A transz-N-koffeoil-tiramin és a humán szérumalbumin kötési mechanizmusa: Vizsgálat multi-spektroszkópiával és dokkoló szimulációval // Bioorganic Chemistry. - 2016. - június ( 66. köt. ). - 102-110 . o . — ISSN 0045-2068 . - doi : 10.1016/j.bioorg.2016.04.002 .
↑ Anand R. A potenciális tuberkulózis elleni gyógyszerek azonosítása dokkolás és virtuális szűrés révén. (angol) // Interdiszciplináris tudományok, számítási élettudományok. - 2018. - június ( 10. évf . 2. sz .). - P. 419-429 . - doi : 10.1007/s12539-016-0175-6 . — PMID 27147082 .
↑ Sandhaus Shayna , Chapagain Prem P. , Tse-Dinh Yuk-Ching. Új bakteriális topoizomeráz I inhibitorok felfedezése in silico dokkolás és in vitro vizsgálatok segítségével // Tudományos jelentések. - 2018. - január 23. ( 8. évf . 1. sz .). — ISSN 2045-2322 . - doi : 10.1038/s41598-018-19944-4 .
↑ Zhang D. , Lin Y. , Chen X. , Zhao W. , Chen D. , Gao M. , Wang Q. , Wang B. , Huang H. , Lu Y. , Lu Y. Dokkoló- és farmakofor alapú virtuális szűrés az új Mycobacterium tuberculosis protein tirozin-foszfatáz B (MptpB) inhibitor azonosítására tiobarbiturát állvánnyal. (angol) // Bioorganic Chemistry. - 2019. - április ( 85. köt. ). - 229-239 . - doi : 10.1016/j.bioorg.2018.12.038 . — PMID 30641319 .
↑ Schames Julie R. , Henchman Richard H. , Siegel Jay S. , Sotriffer Christoph A. , Ni Haihong , McCammon J. Andrew. Új kötőárok felfedezése a HIV-integrázban // Journal of Medicinal Chemistry. - 2004. - április ( 47. évf. , 8. sz.). - P. 1879-1881 . — ISSN 0022-2623 . - doi : 10.1021/jm0341913 .
↑ Sridhar Gumpeny Ramachandra , Nageswara Rao Padmanabhuni Venkata , Kaladhar Dowluru SVGK , Devi Tatavarthi Uma , Kumar Sali Veeresh. In SilicoDocking of HNF-1a Receptor Ligands (angol) // Advances in Bioinformatics. - 2012. - Kt. 2012 . - P. 1-5 . — ISSN 1687-8027 . - doi : 10.1155/2012/705435 .
↑ Tutukina Maria N. , Potapova Anna V. , Vlasov Peter K. , Purtov Yuri A. , Ozoline Olga N. Structural modeling of the ExuR and UxuR transscription factor ofE. coli: a szabályozó tulajdonságaikat befolyásoló ligandumok keresése // Journal of Biomolecular Structure and Dynamics. - 2016. - január 6. ( 34. évf. , 10. sz.). - P. 2296-2304 . — ISSN 0739-1102 . doi : 10.1080 / 07391102.2015.1115779 .
↑ Wójcikowski Maciej , Zielenkiewicz Piotr , Siedlecki Pawel. Open Drug Discovery Toolkit (ODDT): egy új nyílt forráskódú szereplő a gyógyszerkutatás területén // Journal of Cheminformmatics. - 2015. - június 22. ( 7. köt . 1. sz .). — ISSN 1758-2946 . - doi : 10.1186/s13321-015-0078-2 .
↑ AutoDock | Mosómedve2 . autodock.scriptps.edu. Letöltve: 2016. május 15. Az eredetiből archiválva : 2016. június 1. (határozatlan)
↑ Sharma V. , Pattanaik KK , Jayprakash V. , Basu A. , Mishra N. Segédprogram szkript az AutoDock és más kapcsolódó programok automatizálásához és integrálásához virtuális szűréshez. (angol) // Bioinformation. - 2009. - szeptember 6. ( 4. köt. , 2. sz.). - 84-86 . o . — PMID 20198176 .
↑ FightAIDS@Home . www.worldcommunitygrid.org. Letöltve: 2017. március 31. Az eredetiből archiválva : 2017. május 10. (határozatlan)
↑ A Dengue-láz kábítószereinek felfedezése – Együtt . www.worldcommunitygrid.org. Letöltve: 2017. március 31. Az eredetiből archiválva : 2016. március 29. (határozatlan)
↑ Segítség a gyermekkori rák elleni küzdelemben . www.worldcommunitygrid.org. Letöltve: 2017. március 31. Az eredetiből archiválva : 2017. április 21.. (határozatlan)
↑ Influenza vírusellenes gyógyszerkeresés . www.worldcommunitygrid.org. Letöltve: 2017. március 31. Az eredetiből archiválva : 2017. április 1.. (határozatlan)
↑ Ritka. Gyors, rugalmas dokkolási módszer növekményes konstrukciós algoritmussal . Letöltve: 2019. április 19. Az eredetiből archiválva : 2019. április 24.. (határozatlan)
↑ 1 2 3 Wang Zhe , Sun Huiyong , Yao Xiaojun , Li Dan , Xu Lei , Li Youyong , Tian Sheng , Hou Tingjun . Tíz dokkolóprogram átfogó értékelése a fehérje-ligandum komplexek sokféle készletén: a mintavételi teljesítmény és a pontozási teljesítmény előrejelzési pontossága // Physical Chemistry Chemical Physics. - 2016. - Kt. 18 , sz. 18 . - P. 12964-12975 . — ISSN 1463-9076 . doi : 10.1039 / c6cp01555g .
↑ 1 2 Pagadala Nataraj S. , Syed Khajamohiddin , Tuszynski Jack. Szoftver molekuláris dokkoláshoz: áttekintés // Biophysical Reviews. - 2017. - január 16. ( 9. köt . 2. sz .). - 91-102 . o . — ISSN 1867-2450 . - doi : 10.1007/s12551-016-0247-1 .

Linkek

AutoDock fejlesztői webhely . Letöltve: 2016. május 15. Az eredetiből archiválva : 2020. január 13. (határozatlan)