虚拟筛选服务
通常，药物筛选有三种方法：动物模型、高通量筛选和虚拟筛选。动物模型筛选药物这种方法具有成本高、效率低、速度慢、样品需要量大等特点。高通量筛选方法实现了自动化操作、检测灵敏快速，但是待筛选样品数量成为了重要瓶颈，另外由于阳性率非常低（小于万分之一），导致了成本也非常高。高通量药物虚拟筛选则很好的解决了阳性率低的问题，这种方法的阳性率一般在5%-20%左右。再通过与实验筛选结合，能优势互补，药物虚拟筛选已成为先导化合物发现的一种经典且高效的方法。
其中基于靶标结构，通过分子对接技术模拟小分子数据库与靶标分子间相互作用，从而虚拟筛选出潜在活性分子就是一种常用手段。在该过程中，小分子数据库的获取途径有多种方法，其中虚拟组合化合物库的设计与优化技术就极大地方便了科研工作者在计算机上高效且快速地构建并优化大容量化合物分子库（纽普生物的小分子化合物数据库含有近150万个小分子）。这些化合物来源有：ZINC Natural Products, Human Metabolome Database, NCI, FDA approved, Asinex, ChemBridge, Otava, Vitas, Enamine, DrugBank等。
服务内容我们向广大具有虚拟药物筛选需求的客户提供整套虚拟药物筛选服务，包括：
模型构建 小分子化合物库制备 分子对接筛选用户只需提供关于靶标相关的生物学信息，即可由我们服务筛选小分子化合物。
化学物筛选及筛选报价 如何下单？提供靶标蛋白的结构模型（pdb文件）或者蛋白氨基酸序列（没有结构报道，需要建模），告知结合口袋坐标信息或者残基信息；将上述筛选参数截图发送到邮箱：support@novopro.cn。收到邮件后我们会及时联系您，并提供报价，签订合同后就可以进行筛选了。
报告样式：
![](\"http://www.baidu.com/resource/img/vs-report-example.png\")
目的：排除无活性化合物, 以富集活性化合物, 降低筛选成本。
化合物类药性(drug-likeness) 的特点
少于两个或多于七个药效基团的小分子无法筛选出来； 药效基团连在一起或被少于两个重原子分开计数为一个； 药效基团常包括胺、氨基化合物、醇、酮、砜、磺胺基、羧酸基、氨基甲酸、胍、脒、脲、酯。 吡咯和二嗪类除外的胺认为药效基团； 剔除含多于一个羧酸基团的化合物； 剔除含没有环的化合物； 假阳性化合物排除 一些化合物易于与生物大分子发生化学反应, 在基于受体、酶或细胞检测实验中总是表现为阳性, 而实际上为假阳性； 特征：特征基团一般在水解条件下易于分解, 可以与蛋白质及生物亲核试剂产生化学反应，在血清中稳定性很差； 取决于化合物与生物大分子之间产生的相互作用是源于生物学反应还是化学反应 分子相似性分析 将一个或多个与蛋白结合的化合物结构作为数据库搜寻的条件，从化合物数据库中提取符合相似性标准的化合物。 应当把可以与同一蛋白密切结合的所有分子视为相似分子本文链接： https://www.ebiomall.cn/b528-chembridge/info-1494811060.html
