大环建模
面向大环分子建模的端到端、基于物理的解决方案
薛定谔的大环分子建模工作流在单一平台上，为大环分子设计、构象采样、对接和优化提供了基于物理的精度和可扩展的自动化功能。
薛定谔的大环分子建模工作流在单一平台上，为大环分子设计、构象采样、对接和优化提供了基于物理的精度和可扩展的自动化功能。
该模型是为大环化合物构建的，并未针对其进行调整
0.40Å
大环采样精度的中位数主链RMSD
65% → 88%
对接成功率
1.06
不同大环体系中以kcal/mol为单位的均方根误差（RMSE）
薛定谔端到端大环管道
更有信心地探索大环配体、环肽和受限类似物。
构思
将线性先导化合物 自动转换为大环。
- 一种自动大环化工作流程，用于枚举用户定义或自动定义的连接点之间的常见连接子化学结构
- 内置连接器和蛋白质侧链库，或自带资源
- 基于物理原理的评分机制，用于甄选最佳候选人
构象采样
克服限制其他采样方法的自然动力学障碍。
- Prime 大环化合物采样法（Prime-MCS）是一种高效的采样方法，可预先为各类大环化合物生成精确的构象集合。
- 用于稳健探索局部大环构象空间的MacroModel
- 采用溶质退火的复本交换（REST）分子动力学模拟将采样范围扩展至大型、柔性的环状肽
- Desmond：用于预测大环化合物稳定性的元动力学模拟
束缚姿势预测
专为大型、柔性环设计的对接技术——而非将小分子工作流程勉强套用而来。
- Glide 结合专门的大环结构采样技术，可实现大规模虚拟筛选
- MacroDock 是一款专为高精度大环分子对接而设计的解决方案，它将专门的大环分子采样技术与 Glide 对接技术相结合
- 基于“折叠与对接”方法对大型、柔性环状肽进行对接的肽工作流程（待定）
结合亲和力预测
这款曾被广泛应用于小分子研究且备受信赖的严谨FEP+引擎，现已通过验证，可应用于大环化合物和肽类化合物系列。
- 针对FEP+的同系大环系列配体对齐和体系制备的专用解决方案
- FEP+ 能准确预测从线性到大环的转化以及其他闭环反应的亲和力
- FEP+中用于跨越构象能垒进行采样的、集成溶质调温的复本交换（REST）
- 支持用于新型大环化学的自定义扭转参数
- 在多个已发表的肽类和非肽类大环化合物系列中均表现出优异的回顾性性能
渗透率预测
在合成环状结构之前，先对口服生物利用度进行筛选。
- Prime-RRCK 能够对实验所得的大环 RRCK 通透性数据进行高通量建模
- 环肽的被动渗透与主动转运分类
为什么大环化合物需要专门的建模方法
大环化合物在小分子与生物制剂之间占据着独特的化学空间，这往往会打破常见小分子建模软件中固有的假设。其受限的环系虽然能够提高药效、选择性以及与靶点 的结合能力，但也带来了独特的建模挑战：
