BIB文章｜深势科技Uni-GBSA：为高通量虚拟筛选设计的结合自由能计算工具
2023年6月17日，深势科技在Briefings in Bioinformatics上发表了一篇题为"Uni-GBSA: an open-source and web-based automatic workflow to perform MM/GB(PB)SA calculations for virtual screening"[8]的文章，发布了Uni-GBSA——结合自由能自动计算套件（可点击文末“阅读原文”查看全文）。Uni-GBSA可以自动地完成MM/GB(PB)SA计算的拓扑准备、结构优化和结合自由能计算整个流程。在有若干化合物亲和力实验数据的蛋白体系中，Uni-GBSA可以自动进行结合自由能计算参数扫描，挑选最优的参数组合。此外，为了在虚拟筛选中快速评估大量蛋白-配体复合物的结合自由能，Uni-GBSA还提供了一种并行批处理模式，可以在虚拟筛选的场景下同时评估大批量分子。这项工作降低了结合自由能计算工具的使用门槛，为结合自由能计算虚拟筛选中的广泛应用提供了高效的计算工具。
功能
Uni-GBSA是一个开源的、为高通量虚拟筛选设计的、用户友好的结合自由能计算工具，通过端到端的自动工作流实现，大大降低了进行MM/GB(PB)SA计算的门槛。Uni-GBSA具有以下功能特性：
1. 结合自由能计算自动工作流（Automatic Workflow）：
支持不同的力场和小分子电荷方法自动进行拓扑准备；
支持自动开展分子动力学模拟对结构进行优化；
支持不同的溶剂模型（GB和PB）计算结合自由能；
支持结合自由能的能量分解分析；
2. 参数扫描（Parameter Scanning）：
结果
Uni-GBSA在PDBBind-2011 refine-set上的参数测试结果
为了验证Uni-GBSA在虚拟筛选中的应用效果，研究团队还在BACE-1数据集[11]上评估了Uni-GBSA在特定蛋白受体上对配体结合亲和力高低的排序能力。研究团队以分子对接软件Uni-Dock[12]预测的top-1结合构象为起始结构，比较了Vina打分函数和Uni-GBSA的MM/GB(PB)SA计算结果在不同采样率（1%、5%、10%、15%、20%）下的富集因子（Enrichment Factor，EF）。其中，富集因子的定义如下：
Uni-GBSA在BACE-1数据集上的排序能力
总结
深势科技研发团队发布了Uni-GBSA——一款结合自由能计算工具，为研究人员更容易地开展MM/GB(PB)SA结合自由能计算提供了优选方案。Uni-GBSA为完成结合自由能计算提供了端到端的自动化工作流，大大降低了研究人员的使用门槛和时间成本。通过系统化测试，Uni-GBSA的默认参数设置可以在绝大多数体系上获得可靠的结果，同时Uni-GBSA提供了参数扫描等实用工具，助力研究人员更好地使用结合自由能计算来解决实际问题。研究团队验证了Uni-GBSA结合自由能计算在虚拟筛选上的可靠性，并提供了批处理模式以在虚拟筛选中快速评估大量蛋白-配体复合物的结合自由能。
One More Thing
Uni-GBSA现已开源！在遵从Apache 2.0开源协议的前提下，用户可以在从深势科技Github仓库获取Uni-GBSA的源代码，将Uni-GBSA应用在科研和工作中。
如果您是一个初学者，想学习Uni-GBSA的使用方法，完成结合自由能计算从提交任务到结果回收分析等一系列工作，可以按照Bohrium® Notebook上的Uni-GBSA使用案例，一步一步地学习如何完成这些工作。
如果您想用Uni-GBSA完成一个虚拟筛选工作，但手头没有合适的计算资源，您可以在深势科技Bohrium® App上提交您的虚拟筛选作业，平台会将您的任务自动分配计算资源，快速完成虚拟筛选并返回结果。
参考文献
[1] Zwanzig RW. High-temperature equation of state by a perturbation method. i. Nonpolar gases. JChemPhys1954; 22(8): 1420–6.
[2] Jorge M, Garrido NM, Queimada AJ, et al. Effect of the integration method on the accuracy and computational efficiency of free energy calculations using thermodynamic integration. JChem Theory Comput 2010; 6(4): 1018–27.
[3] Trott O, Olson AJ. Autodock vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading. JComputChem2010; 31(2): 455–61.
[4] Wang R, Lai L, Wang S. Further development and validation of empirical scoring functions for structure-based binding affinity prediction. J Comput Aided Mol Des 2002; 16(1): 11–26.
[5] Halgren TA, Murphy RB, Friesner RA, et al. Glide: a new approach for rapid, accurate docking and scoring. 2. Enrichment factors in database screening. J Med Chem 2004; 47(7): 1750–9.
[6] Kumari R, Kumar R. Open source drug discovery consortium, and Andrew Lynn. g_mmpbsa: a gromacs tool for high-throughput mm-pbsa calculations. J Chem Inf Model 2014; 54(7): 1951–62.
[7] Bill R, Miller T, III, Jr DMG, et al. Mmpbsa. Py: an efficient program for end-state free energy calculations. J Chem Theory Comput 2012; 8(9): 3314–21. 11.
[8] Yang M, Bo Z, Xu T, Xu B, Wang D, Zheng H. Uni-GBSA: an open-source and web-based automatic workflow to perform MM/GB(PB)SA calculations for virtual screening [published online ahead of print, 2023 Jun 16]. Brief Bioinform. 2023;bbad218.[9] Wang R, Fang X, Yipin L, Wang S. The pdbbind database: collection of binding affinities for protein- ligand complexes with known three-dimensional structures. J Med Chem 2004; 47(12): 2977–80.[10] Wang R, Fang X, Yipin L, et al. The pdbbind database: methodologies and updates. J Med Chem 2005; 48(12): 4111–9.[11] Subramanian G, Ramsundar B, Pande V, Denny RA. Computational modeling of β-secretase 1 (bace-1) inhibitors using ligand based approaches. J Chem Inf Model 2016; 56(10): 1936–49.[12] Yu Y, Cai C, Wang J, Bo Z, Zhu Z, Zheng H. Uni-Dock: GPU-Accelerated Docking Enables Ultralarge Virtual Screening. J Chem Theory Comput. 2023;19(11):3336-3345.上下滑动查看更多
关于深势科技
深势科技是“AI for Science”科学研究范式的引领者和践行者，致力于运用人工智能和分子模拟算法，结合先进计算手段求解重要科学问题，为人类文明最基础的生物医药、能源、材料和信息科学与工程研究打造新一代微尺度工业设计和仿真平台。
我们开创性地提出了「多尺度建模+机器学习+高性能计算」的革命性科学研究新范式，并推出了Bohrium®微尺度科学计算云平台、Hermite®药物计算设计平台、RiDYMO™强化动力学平台及电池材料计算设计平台等微尺度工业设计基础设施，颠覆了现有研发模式，打造“计算引导实验、实验优化设计”的全新范式。
深势科技是国家高新技术企业、北京市“专精特新”中小企业，总部位于北京，并在上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了超百位数学、物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中公司的博士及博士后占比超过35%。核心成员获得过2020年全球计算机高性能计算领域的最高奖项“戈登贝尔奖”，相关工作当选2020年中国十大科技进展和全球AI领域十大技术突破。
↓↓点击“阅读原文”，浏览完整文章