虚拟筛选（Virtual Screening, VS）是现代新药研发流程中的一项关键技术。它依托于计算机的模拟能力，目标是从海量化合物数据库中识别出潜在的活性分子。

其工作原理主要有两种策略：一种是基于靶标生物大分子（如蛋白质）的三维结构，模拟化合物与靶标结合位点的相互作用；另一种则是基于已知活性分子的定量构效关系（QSAR）模型，利用化合物结构特征与生物活性之间的数学关系进行预测。

无论采用哪种策略，虚拟筛选的关键环节都是运用评分函数来评估和比较化合物与靶标的结合能力或符合期望活性的程度，并据此对候选化合物排序。通过这种计算机预筛选，研究人员能够优先选择结合潜力最大、最可能具备所需生物活性的分子进入后续的实验验证阶段，从而提升新药发现的效率和成功率，是高通量筛选的有效补充手段。

根据依赖信息的不同，虚拟筛选主要分为以下两类：

基于结构的虚拟筛选（Structure-Based Virtual Screening, SBVS）

依赖靶标蛋白的三维结构（如X射线晶体结构、同源建模结构等），通过分子对接、分子动力学模拟等方法预测化合物与蛋白的结合模式和亲和力。

基于配体的虚拟筛选（Ligand-Based Virtual Screening, LBVS）

在缺乏靶标结构的情况下，基于已知活性化合物的结构特征或药效团模型，预测具有相似性质的潜在活性分子。常用方法包括定量构效关系（QSAR）、药效团建模、相似性搜索等。

利用小分子化合物与药物靶标间的分子对接运算，虚拟筛选可快速从几十至上百万分子中，遴选出具有成药性的活性化合物，大大降低实验筛选化合物数量，周期短、成本低、阳性率高。

虚拟筛选的标准流程

完整的虚拟筛选流程通常包括以下几个关键步骤：

靶标选择与结构准备

明确研究靶点，获取或构建其三维结构，并进行结构优化（如去除水分子、添加氢原子、质子化状态调整等）。

化合物库构建与处理

选择合适的化合物数据库，进行去重复、结构标准化、能量最小化等预处理。

虚拟筛选策略选择

根据靶标结构是否可用，选择SBVS或LBVS方法。

分子对接与评分

使用对接软件将化合物对接至靶标活性位点，并计算结合能或评分值。

结果排序与分析

根据评分结果对化合物进行排序，结合可视化工具（如PyMOL、Maestro）分析关键相互作用。

命中化合物选择与实验验证

选取排名靠前的化合物进行体外或体内实验验证其活性与选择性。

MCE 虚拟筛选 (Virtual Screening, VS)服务

靶点调研、分子化合物库制备、分子对接筛选/药效团建模及筛选、人工筛选以及理想实体化合物的代购等。

MCE服务优势

•   高性能的计算机服务器•   丰富的数据库资源，包含1600万+ 可购买化合物•   专业的分子模拟和药物设计团队•   高度标准的数据隐私管理•   具有竞争力的价格优势

虚拟筛选提供的项目报告结果有哪些

一般情况下，分别提供筛选的每个化合物库排名前200名化合物结构式及相关化合物信息（三个文件：SDF、PDF、EXCEL），提供综合排名前 5 名化合物与靶蛋白的对接模式图 (2D/3D图)，以及PDF项目报告文件（报告包含靶蛋白背景调研、筛选流程、5个优选化合物对接模式分析等）。

我们目前使用一种软件吗？是否会用几种软件同时筛选，然后综合几个软件给出最终结果？

针对不同的虚拟筛选分别用薛定谔或discovery studio软件，最终作图用的是PyMol软件。出于时间和成本考虑，一般只会用一种软件进行筛选。

虚拟筛选已广泛应用于多个药物研发领域：

小分子药物发现：如抗癌药物、抗病毒药物等

多肽与蛋白质药物筛选：如靶向肽、抗体模拟物等

天然产物挖掘：从中药或植物提取物中寻找活性成分

老药新用（Drug Repurposing）：快速筛选已上市药物的新适应症

虚拟筛选正在重塑药物研发的范式，它将海量数据与智能计算相结合，显著缩短了从靶点识别到候选分子发现的时间周期。无论是小分子、多肽还是复杂生物大分子，虚拟筛选都展现出强大的应用潜力。对于药物化学家和计算生物学家而言，掌握这一技术，将成为推动创新药物研发的关键能力。