虚拟筛选是指在进行生物活性筛选之前，根据预先设定的条件，在计算机上对化合物分子进行预筛选，以识别出最可能与靶标结合的小分子，从而大大降低实际筛选化合物数目，同时提高先导化合物的发现效率。相较于传统实验筛选，大量减少了人力，物力成本。

根据输入信息和筛选目标的不同，虚拟筛选分为两类：SBVS和LBVS。

1.基于受体生物大分子结构的虚拟筛选 (structure-based virtual screening, SBVS)

也称为基于结构的虚拟筛选，据实验测定的或同源模建的受体生物大分子的三维结构，通过分子对接的方法，确定小分子与受体的结合构象，根据与结合能相关的亲合性打分函数对蛋白和小分子化合物的结合能力进行评价，最终从大量的化合物分子中挑选出结合模式比较合理的、预测得分较高的化合物，用于后续的生物活性测试。

2.基于配体小分子的虚拟筛选 (ligand-based virtual screening, LBVS)

基于配体的虚拟筛选即基于药效团模拟的虚拟筛选，是根据现有药物的结构、理化性质和活性关系的分析，建立定量构效关系或药效基团模型，预测筛选新化合物的活性。

Chemspace是一个整合了全球多个化合物供应商资源的在线化学品平台，支持虚拟筛选和药物设计，是世界上最大的小分子和生物制品在线目录，目前在全球拥有130多家供应商，包括 Enamine、BLD Pharmatech、PharmaBlock Sciences 和 UORSY 等，拥有超过44亿种独特的小分子结构和超过50万种生物制品（抗体、肽和蛋白质以及生物制品试剂盒）的汇总目录。

Chemspace 不仅支持分子搜索、筛选与对接操作，还提供生物活性数据、分子砌块信息、采购流程等一体化服务，极大地简化了药物研发过程中的分子筛选和合成路径规划。ChemSpace的亮点在于其用于药物研发的虚拟合成和筛选功能。

1.多种检索方式

Chemspace支持结构检索、文本检索以及直接上传文件检索，包括但不限于smiles、inchikey、cas等标识符，分子名称、货号等多种方式。结构式检索可选择精准检索，相似性检索，子结构检索等，并可筛选目标化合物是否包含立体异构体和成盐化合物。

支持结构式检索的化学数据库还有很多哦，比如：摩熵化学MolAid、SciFinder,、Reaxys、PubChem等，下面还会详细介绍。

2.可订购分子多样性

Chemspace：赋能虚拟筛选，高效发掘药物先导化合物

产品被分为库存分子砌块，筛选分子，按需定制化合物等多种类型，并可按需筛选价格、分子量、规格、供应商等。

3.提供多样性的多种化合物集

包括具有特定物理化学特征或性质的分子，如片段类（fragment-like）、先导类（lead-like），或者用于靶向一类生物靶标（如激酶）或某个特定蛋白（如 DYRK1A）。这些化合物库可作为SD文件下载，还可以根据针对靶标进行的相似性搜索或虚拟筛选结果，进一步选择任意数量的化合物 。

chemspace作为化学分子数据库与供应链平台，全球超过20个国家，160家供应商可供选择，包括药明康德、韶远试剂等知名供应商，全球覆盖范围广，订单响应时间迅速。

相关问答Q&A：

1. 什么是结构式查询？

化学结构式查询是指通过输入或绘制一个化学物质的分子结构（或其关键特征），用户可以利用分子的结构、键合、原子类型等信息，在化学数据库或软件中搜索并获取与该结构相关的化学信息的过程。

2. 有哪些数据库可以进行结构式查询？

  • 摩熵化学MolAid：摩熵化学是一个国产的化合物检索及合成设计平台，收录全球数以亿计的化学品数据。支持查询化合物、了解物质性质、寻找购买信息、查询反应条件、设计反应路线、谱图查询、预测性质及谱图等。

  • PubChem：PubChem数据库包含大量化合结构信息、理化性质及生物活性、毒性和安全性数据，并提供详细的文献或专利支持，为生物医药与生物化学交叉领域的科研人员所青睐。用户可以通过结构式查询来检索所需化合物信息。

  • ChemSpider：ChemSpider是由英国皇家化学会(RSC)运营的化学信息数据库，收录1亿多种化学品的信息。用户可以通过输入分子的结构式或名称来查找相关化合物信息。

  • ChEMBL：ChEMBL数据库是欧洲生物信息研究所（European Bioinformatics Institute，EBI）开发的一个大型开放访问的数据库，包含了丰富的生物活性数据，用户可以通过结构式查询来检索化合物的生物活性信息，如药效、靶点结合、功能和ADMET 等数据。

3. 结构式查询在化学领域中的应用有哪些？

结构式查询在化学领域中具有广泛的应用，比如化合物信息获取、药物研发、化学合成、环境科学、毒理学研究等方面：

数据库检索与信息挖掘：

  • 化合物信息获取： 这是最基础也最广泛的应用。在专业化学数据库（如摩熵化学MolAid、SciFinder,、Reaxys、PubChem）中，用户可以通过绘制或输入结构式（精确结构、子结构、相似结构）来获取其物理化学性质、谱图数据、生物活性、合成方法及相关的文献专利信息。

  • 药物研发：在药物发现中，研究人员可通过结构式查询搜索现有的化合物数据库，找到具有特定结构特征的化合物，高效筛选潜在活性化合物（先导化合物），研究构效关系，进行虚拟筛选，并辅助设计规避已有专利的新分子结构。

  • 化学合成：可查询目标分子的已知合成路线或关键中间体的合成方法，帮助寻找合适的起始原料或试剂，并预测和鉴定反应副产物。

  • 环境科学：结构式查询可以帮助研究人员识别环境中存在的化学物质，并了解其在自然界中的行为和影响。

  • 毒理学研究：通过对毒性数据和分子结构的关联分析，可以帮助科学家更好地理解化合物的毒性机制，评估潜在的毒性风险。