AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions

Summary: The performance of docking calculations can be improved by tuning parameters for the system of interest, e.g. biasing the results towards the formation of relevant protein-ligand interactions, such as known ligand pharmacophore or interaction sites derived from cosolvent molecular dynamics....

Descripción completa

Detalles Bibliográficos
Autores: Arcon, Juan Pablo, Modenutti, Carlos Pablo, Avendaño, Demian, Lopez, Elias Daniel, Defelipe, Lucas Alfredo, Ambrosio, Francesca Alessandra, Turjanski, Adrian, Forli, Stefano, Marti, Marcelo Adrian
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2019
País:Argentina
Institución:Consejo Nacional de Investigaciones Científicas y Técnicas
Repositorio:CONICET Digital (CONICET)
Idioma:inglés
OAI Identifier:oai:ri.conicet.gov.ar:11336/123543
Acceso en línea:http://hdl.handle.net/11336/123543
Access Level:acceso abierto
Palabra clave:bioinformatica
docking
drug design
autodock
https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
id AR_bda86a67c7fbdbff9ebae061048445ae
oai_identifier_str oai:ri.conicet.gov.ar:11336/123543
network_acronym_str AR
network_name_str Argentina
repository_id_str
dc.title.none.fl_str_mv AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions
title AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions
spellingShingle AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions
Arcon, Juan Pablo
bioinformatica
docking
drug design
autodock
https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
title_short AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions
title_full AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions
title_fullStr AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions
title_full_unstemmed AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions
title_sort AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions
dc.creator.none.fl_str_mv Arcon, Juan Pablo
Modenutti, Carlos Pablo
Avendaño, Demian
Lopez, Elias Daniel
Defelipe, Lucas Alfredo
Ambrosio, Francesca Alessandra
Turjanski, Adrian
Forli, Stefano
Marti, Marcelo Adrian
author Arcon, Juan Pablo
author_facet Arcon, Juan Pablo
Modenutti, Carlos Pablo
Avendaño, Demian
Lopez, Elias Daniel
Defelipe, Lucas Alfredo
Ambrosio, Francesca Alessandra
Turjanski, Adrian
Forli, Stefano
Marti, Marcelo Adrian
author_role author
author2 Modenutti, Carlos Pablo
Avendaño, Demian
Lopez, Elias Daniel
Defelipe, Lucas Alfredo
Ambrosio, Francesca Alessandra
Turjanski, Adrian
Forli, Stefano
Marti, Marcelo Adrian
author2_role author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv bioinformatica
docking
drug design
autodock
https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
topic bioinformatica
docking
drug design
autodock
https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
description Summary: The performance of docking calculations can be improved by tuning parameters for the system of interest, e.g. biasing the results towards the formation of relevant protein-ligand interactions, such as known ligand pharmacophore or interaction sites derived from cosolvent molecular dynamics. AutoDock Bias is a straightforward and easy to use script-based method that allows the introduction of different types of user-defined biases for fine-tuning AutoDock4 docking calculations. Availability and implementation: AutoDock Bias is distributed with MGLTools (since version 1.5.7), and freely available on the web at http://ccsb.scripps.edu/mgltools/ or http://autodockbias.wordpress.com. Supplementary information: Supplementary data are available at Bioinformatics online.
publishDate 2019
dc.date.none.fl_str_mv 2019-10
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/123543
Arcon, Juan Pablo; Modenutti, Carlos Pablo; Avendaño, Demian; Lopez, Elias Daniel; Defelipe, Lucas Alfredo; et al.; AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions; Oxford University Press; Bioinformatics (Oxford, England); 35; 19; 10-2019; 3836-3838
1367-4803
CONICET Digital
CONICET
url http://hdl.handle.net/11336/123543
identifier_str_mv Arcon, Juan Pablo; Modenutti, Carlos Pablo; Avendaño, Demian; Lopez, Elias Daniel; Defelipe, Lucas Alfredo; et al.; AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions; Oxford University Press; Bioinformatics (Oxford, England); 35; 19; 10-2019; 3836-3838
1367-4803
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btz152/5368528
info:eu-repo/semantics/altIdentifier/doi/10.1093/bioinformatics/btz152
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Oxford University Press
publisher.none.fl_str_mv Oxford University Press
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1799196270334574592
spelling AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactionsArcon, Juan PabloModenutti, Carlos PabloAvendaño, DemianLopez, Elias DanielDefelipe, Lucas AlfredoAmbrosio, Francesca AlessandraTurjanski, AdrianForli, StefanoMarti, Marcelo Adrianbioinformaticadockingdrug designautodockhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Summary: The performance of docking calculations can be improved by tuning parameters for the system of interest, e.g. biasing the results towards the formation of relevant protein-ligand interactions, such as known ligand pharmacophore or interaction sites derived from cosolvent molecular dynamics. AutoDock Bias is a straightforward and easy to use script-based method that allows the introduction of different types of user-defined biases for fine-tuning AutoDock4 docking calculations. Availability and implementation: AutoDock Bias is distributed with MGLTools (since version 1.5.7), and freely available on the web at http://ccsb.scripps.edu/mgltools/ or http://autodockbias.wordpress.com. Supplementary information: Supplementary data are available at Bioinformatics online.Fil: Arcon, Juan Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales; ArgentinaFil: Modenutti, Carlos Pablo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales; ArgentinaFil: Avendaño, Demian. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales; ArgentinaFil: Lopez, Elias Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales; ArgentinaFil: Defelipe, Lucas Alfredo. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales; ArgentinaFil: Ambrosio, Francesca Alessandra. The Scripps Research Institute; Estados UnidosFil: Turjanski, Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales; ArgentinaFil: Forli, Stefano. The Scripps Research Institute; Estados UnidosFil: Marti, Marcelo Adrian. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Instituto de Química Biológica de la Facultad de Ciencias Exactas y Naturales; ArgentinaOxford University Press2019-10info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/123543Arcon, Juan Pablo; Modenutti, Carlos Pablo; Avendaño, Demian; Lopez, Elias Daniel; Defelipe, Lucas Alfredo; et al.; AutoDock Bias: improving binding mode prediction and virtual screening using known protein–ligand interactions; Oxford University Press; Bioinformatics (Oxford, England); 35; 19; 10-2019; 3836-38381367-4803CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://academic.oup.com/bioinformatics/advance-article/doi/10.1093/bioinformatics/btz152/5368528info:eu-repo/semantics/altIdentifier/doi/10.1093/bioinformatics/btz152info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2024-05-08T14:21:06Zoai:ri.conicet.gov.ar:11336/123543instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982024-05-08 14:21:07.136CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
score 15,811543

Similares en LA Referencia