Binding Site Detection Remastered: Enabling Fast, Robust, and Reliable Binding Site Detection and Descriptor Calculation with DoGSite3

计算机科学 高斯分布 网格 结合位点 数据挖掘 滤波器(信号处理) 药物发现 任务(项目管理) 人工智能 算法 化学 数学 工程类 计算机视觉 生物化学 计算化学 系统工程 几何学
作者
Joel Graef,Christiane Ehrt,Matthias Rarey
出处
期刊:Journal of Chemical Information and Modeling [American Chemical Society]
卷期号:63 (10): 3128-3137 被引量:100
标识
DOI:10.1021/acs.jcim.3c00336
摘要

Binding site prediction on protein structures is a crucial step in early phase drug discovery whenever experimental or predicted structure models are involved. DoGSite belongs to the widely used tools for this task. It is a grid-based method that uses a Difference-of-Gaussian filter to detect cavities on the protein surface. We recently reimplemented the first version of this method, released in 2010, focusing on improved binding site detection in the presence of ligands and optimized parameters for more robust, reliable, and fast predictions and binding site descriptor calculations. Here, we introduce the new version, DoGSite3, compare it to its predecessor, and re-evaluate DoGSite on published data sets for a large-scale comparative performance evaluation.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI6.1应助QQ采纳,获得10
2秒前
xyy应助Bin_Liu采纳,获得10
2秒前
fuchao发布了新的文献求助10
2秒前
4秒前
4秒前
Ikkyu发布了新的文献求助10
6秒前
6秒前
6秒前
7秒前
小小康康发布了新的文献求助10
7秒前
大个应助Asumita采纳,获得30
8秒前
luckypig完成签到,获得积分20
8秒前
9秒前
科目三应助玩命的紫南采纳,获得10
10秒前
菜狗发布了新的文献求助10
10秒前
11秒前
11秒前
11秒前
xingyecao发布了新的文献求助10
11秒前
轻松夏之完成签到,获得积分10
12秒前
13秒前
13秒前
思源应助浮浮世世采纳,获得100
13秒前
小小康康完成签到,获得积分10
14秒前
彭于晏应助明天会更美好采纳,获得10
14秒前
14秒前
15秒前
白云四季发布了新的文献求助10
15秒前
15秒前
淡淡新竹发布了新的文献求助10
16秒前
17秒前
17秒前
17秒前
19秒前
19秒前
杨德帅发布了新的文献求助30
19秒前
后知后觉发布了新的文献求助10
19秒前
20秒前
20秒前
Ikkyu发布了新的文献求助10
20秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Introduction to strong mixing conditions volume 1-3 5000
Clinical Microbiology Procedures Handbook, Multi-Volume, 5th Edition 2000
从k到英国情人 1500
Ägyptische Geschichte der 21.–30. Dynastie 1100
„Semitische Wissenschaften“? 1100
Real World Research, 5th Edition 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5736993
求助须知:如何正确求助?哪些是违规求助? 5369908
关于积分的说明 15334507
捐赠科研通 4880710
什么是DOI,文献DOI怎么找? 2622987
邀请新用户注册赠送积分活动 1571843
关于科研通互助平台的介绍 1528696