虛擬篩選（Virtual Screening, VS）是現代新藥研發流程中的一項關鍵技術。它依托于計算機的模擬能力，目標是從海量化合物數據庫中識別出潛在的活性分子。

其工作原理主要有兩種策略：一種是基于靶標生物大分子（如蛋白質）的三維結構，模擬化合物與靶標結合位點的相互作用；另一種則是基于已知活性分子的定量構效關系（QSAR）模型，利用化合物結構特征與生物活性之間的數學關系進行預測。

無論采用哪種策略，虛擬篩選的關鍵環節都是運用評分函數來評估和比較化合物與靶標的結合能力或符合期望活性的程度，并據此對候選化合物排序。通過這種計算機預篩選，研究人員能夠優先選擇結合潛力最大、最可能具備所需生物活性的分子進入后續的實驗驗證階段，從而提升新藥發現的效率和成功率，是高通量篩選的有效補充手段。

 
虛擬篩選的分類

根據依賴信息的不同，虛擬篩選主要分為以下兩類：

基于結構的虛擬篩選 （Structure-Based Virtual Screening, SBVS）

依賴靶標蛋白的三維結構（如X射線晶體結構、同源建模結構等），通過分子對接、分子動力學模擬等方法預測化合物與蛋白的結合模式和親和力。

基于配體的虛擬篩選 （Ligand-Based Virtual Screening, LBVS）

在缺乏靶標結構的情況下，基于已知活性化合物的結構特征或藥效團模型，預測具有相似性質的潛在活性分子。常用方法包括定量構效關系（QSAR）、藥效團建模、相似性搜索等。

虛擬篩選的核心優勢

利用小分子化合物與藥物靶標間的分子對接運算，虛擬篩選可快速從幾十至上百萬分子中，遴選出具有成藥性的活性化合物，大大降低實驗篩選化合物數量，周期短、成本低、陽性率高。

虛擬篩選的標準流程

完整的虛擬篩選流程通常包括以下幾個關鍵步驟：

靶標選擇與結構準備

明確研究靶點，獲取或構建其三維結構，并進行結構優化（如去除水分子、添加氫原子、質子化狀態調整等）。

化合物庫構建與處理

選擇合適的化合物數據庫，進行去重復、結構標準化、能量最小化等預處理。

虛擬篩選策略選擇

根據靶標結構是否可用，選擇SBVS或LBVS方法。

分子對接與評分

使用對接軟件將化合物對接至靶標活性位點，并計算結合能或評分值。

結果排序與分析

根據評分結果對化合物進行排序，結合可視化工具（如PyMOL、Maestro）分析關鍵相互作用。

命中化合物選擇與實驗驗證

選取排名靠前的化合物進行體外或體內實驗驗證其活性與選擇性。

MCE 虛擬篩選 (Virtual Screening, VS)服務

靶點調研、分子化合物庫制備、分子對接篩選/藥效團建模及篩選、人工篩選以及理想實體化合物的代購等。

 
MCE服務優勢

高性能的計算機服務器?   豐富的數據庫資源，包含1600萬+ 可購買化合物?   專業的分子模擬和藥物設計團隊?   高度標準的數據隱私管理?   具有競爭力的價格優勢

虛擬篩選提供的項目報告結果有哪些

一般情況下，分別提供篩選的每個化合物庫排名前200名化合物結構式及相關化合物信息（三個文件：SDF、PDF、EXCEL），提供綜合排名前 5 名化合物與靶蛋白的對接模式圖 (2D/3D圖)，以及PDF項目報告文件（報告包含靶蛋白背景調研、篩選流程、5個優選化合物對接模式分析等）。

我們目前使用一種軟件嗎？是否會用幾種軟件同時篩選，然后綜合幾個軟件給出最終結果？

針對不同的虛擬篩選分別用薛定諤或discovery studio軟件，最終作圖用的是PyMol軟件。出于時間和成本考慮，一般只會用一種軟件進行篩選。

虛擬篩選的應用領域

虛擬篩選已廣泛應用于多個藥物研發領域：
小分子藥物發現：如抗癌藥物、抗病毒藥物等
多肽與蛋白質藥物篩選：如靶向肽、抗體模擬物等
天然產物挖掘：從中藥或植物提取物中尋找活性成分
老藥新用（Drug Repurposing）：快速篩選已上市藥物的新適應癥

虛擬篩選正在重塑藥物研發的范式，它將海量數據與智能計算相結合，顯著縮短了從靶點識別到候選分子發現的時間周期。無論是小分子、多肽還是復雜生物大分子，虛擬篩選都展現出強大的應用潛力。對于藥物化學家和計算生物學家而言，掌握這一技術，將成為推動創新藥物研發的關鍵能力。