pipeline pilot 对分子进行分类
虚拟筛选完后，一般大家直接按照得分情况挑选一些化合物进行活性测试，虽然命中的概率也很高，但是如果我们把对接完的结果首先进行一下分类，然后再在各类中挑选一些得分高的进行活性测试，是不是命中率更高呢？（注“我没有进行过调研，只是自己的感觉而已”），下面我把我自己利用pipeline pilot 对分子按照分子中环的数目进行分类步骤与大家分享一下1）计算分子中的环数目
（1）喜欢编程的同学可以参考下：数据挖掘同学研究的代码
http://bioms.org/thread-444-1-1.html
（2）pipeline pilot 中有一个“calculate cell Number”的模块可以计算环的数目
2)按照环数进行分类：
找到“Lipinski Filter”模块，然后修改里面的参数
Lipinski Filter模块本身的参数如下“
/* Notes:
-- Num_H_Acceptors_Lipinski is the equivalent of (N_Count + O_Count)
-- Num_H_Donors_Lipinski more closely matches the convention used in
Lipinski's paper that Num_H_Donors does in that it will count primary
amines as two donors each.
*/
Num_Atoms > 0
AND (N_Count + O_Count) <= 10
AND Molecular_Weight <= 500
AND Num_H_Donors <= 5
AND AlogP <= 5
”
如果你想得到两个环的化合物，直接把上面的内容换成 Num_Rings =2，如果你的化合物已经是进行Lipinki 5原则筛选的可以直接在后面加上 AND Num_Rings =2就Ok啦
file:///C:\Users\dell\AppData\Roaming\Tencent\Users\541229037\QQ\WinTemp\RichOle\%]@(SZV%1GYOAULQ8LZ~HMF.jpg
{:soso_e179:} For the number of rings, just try the calculable properties:Num_Rings
页:
[1]