Cheminformatics

Storage and retrievalEdit

Dieser Abschnitt zitiert keine Quellen. Bitte helfen Sie, diesen Abschnitt zu verbessern, indem Sie Zitate zu zuverlässigen Quellen hinzufügen. Unsourced Material kann in Frage gestellt und entfernt werden. (Februar 2020) (Erfahren Sie, wie und wann Sie diese Vorlagennachricht entfernen können)

Hauptartikel: Chemische Datenbank

Eine primäre Anwendung der Cheminformatik ist die Speicherung, Indizierung und Suche von Informationen zu chemischen Verbindungen. Die effiziente Suche nach solchen gespeicherten Informationen umfasst Themen, die in der Informatik behandelt werden, wie Data Mining, Information Retrieval, Informationsextraktion und maschinelles Lernen. Verwandte Forschungsthemen sind:

File formatsEdit

Hauptartikel: Chemical file format

Die In silico-Darstellung chemischer Strukturen verwendet spezielle Formate wie die Simplified molecular Input Line Entry Specifications (SMILES) oder die XML-basierte Chemical Markup Language. Diese Darstellungen werden häufig für die Speicherung in großen chemischen Datenbanken verwendet. Während einige Formate für visuelle Darstellungen in zwei oder drei Dimensionen geeignet sind, eignen sich andere eher für das Studium physikalischer Wechselwirkungen, Modellierung und Andockstudien.

Virtuelle Bibliothekenbearbeiten

Dieser Abschnitt stützt sich zu sehr auf Verweise auf Primärquellen. Bitte verbessern Sie diesen Abschnitt, indem Sie sekundäre oder tertiäre Quellen hinzufügen. (Februar 2020) (Erfahren Sie, wie und wann Sie diese Vorlagennachricht entfernen können)

Chemische Daten können sich auf reale oder virtuelle Moleküle beziehen. Virtuelle Bibliotheken von Verbindungen können auf verschiedene Arten erzeugt werden, um den chemischen Raum zu erforschen und neue Verbindungen mit gewünschten Eigenschaften zu hypothetisieren. Virtuelle Bibliotheken von Wirkstoffklassen (Arzneimittel, Naturstoffe, diversitätsorientierte synthetische Produkte) wurden kürzlich mit dem FOG-Algorithmus (Fragment optimized Growth) generiert. Dazu wurden cheminformatische Werkzeuge verwendet, um Übergangswahrscheinlichkeiten einer Markov-Kette für authentische Verbindungsklassen zu trainieren, und dann die Markov-Kette verwendet, um neuartige Verbindungen zu generieren, die der Trainingsdatenbank ähnlich waren.

Virtuelles screeningEdit

Dieser Abschnitt zitiert keine Quellen. Bitte helfen Sie, diesen Abschnitt zu verbessern, indem Sie Zitate zu zuverlässigen Quellen hinzufügen. Unsourced Material kann in Frage gestellt und entfernt werden. (Februar 2020) (Erfahren Sie, wie und wann Sie diese Vorlagennachricht entfernen können)

Hauptartikel: Virtuelles Screening

Im Gegensatz zum Hochdurchsatz-Screening umfasst das virtuelle Screening das rechnerische Screening von In-Silico-Bibliotheken von Verbindungen mittels verschiedener Methoden wie Docking, um Elemente zu identifizieren, die wahrscheinlich gewünschte Eigenschaften wie biologische Aktivität gegen ein bestimmtes Ziel besitzen. In einigen Fällen wird kombinatorische Chemie bei der Entwicklung der Bibliothek verwendet, um die Effizienz beim Abbau des chemischen Raums zu erhöhen. Häufiger wird eine vielfältige Bibliothek von kleinen Molekülen oder Naturprodukten gescreent.

Quantitative Struktur-Aktivitäts-Beziehung (QSAR)Bearbeiten

Hauptartikel: Quantitative Struktur–Aktivitäts–Beziehung

Dies ist die Berechnung der quantitativen Struktur-Aktivitäts-Beziehung und der quantitativen Struktur-Eigenschafts-Beziehungswerte, die verwendet werden, um die Aktivität von Verbindungen aus ihren Strukturen vorherzusagen. In diesem Zusammenhang besteht auch eine starke Beziehung zur Chemometrie. Chemische Expertensysteme sind ebenfalls relevant, da sie Teile des chemischen Wissens als In-Silico-Repräsentation darstellen. Es gibt ein relativ neues Konzept der Matched Molecular Pair Analysis oder prediction-driven MMPA, das mit dem QSAR-Modell gekoppelt ist, um Aktivitätsparameter zu identifizieren.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.