coefficient

MCE 50K 类药多样库由 50,000 种类药化合物组成。依据谷本相似性（Tanimoto Coefficient）及聚类算法（Bemis-Murcko）对上百万化合物进行筛选以确保结构多样性。优选的 5 万化合物平均谷本相似数为 0.52，共包含 36,857 个化合物簇且每簇仅包含 1-7 个化合物。除此之外，确保每簇化合物具有尽可能多的官能团，从而实现化合物库取代基、官能团、立体化学、骨架多样，占据广泛的“化学空间”。本多样性库具备新颖性、类药性，化合物结构类型多样、化学空间丰富，库中化合物可重复供应，是新药研发的有力工具，可以广泛地应用于高通量筛选（HTS）和高内涵筛选（HCS）。

Natural products are an attractive source with varied structures that exhibit potent biological activities, and desirable pharmacological profiles. The core scaffold of a natural product can also provide a biologically validated framework upon which to display diverse functional groups. Inspired by bioactive natural products, natural product-like compounds, occupying the same chemical space, are ideally suited to explore and to facilitate understanding of biological pathways.

MCE 10K Natural Product-like Compound Library consists of 10,000 natural product-like compounds. Each compound has scaffold of natural products or Tanimoto coefficient >0.6 with natural products. The natural-likeness scoring of these compounds is >-2. What’s more, compounds in the library are drug-like and readily available for re-supply, making it a powerful tool for new drug research and development. It can be widely applied in high-throughput screening (HTS) and high-content screening (HCS).

历史上，天然产物在药物发现中起着关键的作用，特别是在癌症和传染病的治疗领域，其他的治疗领域也包括心血管疾病（如他汀类药物），多发性硬化症（如腺苷酯）等。过去的几十年里，FDA 批准的药物中大约有 40% 是天然产物，其衍生物或与天然产物相关的类似物。

MCE 5K Natural Product-like Compound Library 由 5,000 个类天然产物化合物组成，库中每个分子含有天然产物关键骨架（42个）或者和天然产物的谷本相似系数 >0.6，且 Natural-likeness scoring >-2。该化合物库同时具备类药性和新颖性，库中化合物可重复供应，是新药研发的有力工具，可以广泛地应用于高通量筛选（HTS）和高内涵筛选（HCS）。

MegaUni 库为运用生成式人工智能技术，构建出的兼具新颖性、类药性、多样性、可合成性的超大化合物库。适用于AI药物筛选、大型虚拟筛选等。

MCE 依托强大的计算能力，基于高质量的 40,662 个分子砌块，匹配合适的反应规则，选择最优的化合物生成策略，去除合成难度高、类药性低、PAINS等不利化合物后，进一步分析化合物骨架，优选出类药多样性分子组成虚拟库。随后随机挑选库中分子，进行合成验证，再次剔除合成难度高的分子，经迭代优化后，最终生成含 1000 万可合成类药多样性分子的 MegaUni 10M Virtual Diversity Library。

优选 50,000 个分子组成 MegaUni 50K Virtual Diversity Library。50,000 个分子具有 46,744 种 BMS 分子骨架，每种分子骨架仅包含 1-3 个化合物，化学空间多样，结构新颖，适用于新型先导物发现等。

基于片段的药物开发 (FBDD) 是可应用于科学研究和商业化的药物开发方法，可增强对一些 “不可成药物” 靶点的识别。基于片段的药物开发发现了低分子量配体 (<300Da) 能够与相关大分子结合。这些片段分子可以覆盖广阔的化学空间，易于后期进行结构优化。目前，已经有多种基于片段开发发的药物进入临床试验，其中 Vemurafenib 和 Venetoclax 两种药物已经获得批准上市。

MCE 基于 Tanimoto 系数，使用相似性算法，从大规模的片段分子中精心挑选了 2,302 个高结构多样性的符合 ‘RO3’ 片段分子，可应用于基于片段的药物开发。

基于片段的药物发现（FBDD）作为发现新药的有力方法，已备受制药行业和学术界关注。 在近期上市的药物结构中，sp3 中心和立体中心的比例显著增加，研究者们对高三维度（3D）和富含 Fsp3 中心的片段库颇感兴趣。

MCE 3D 多样片段库由 5,400 个非平面片段分子组成（平均 Fsp3 值为 0.58），超过4,700个片段至少包含一个手性中心。本库设计的关键元素是 3D 结构、多样性、生物反应性等。另，库中化合物在保证高sp3中心和 3D 结构优势的同时，还有效提高了片段潜在生物活性，为基于片段的药物发现提供了更高的片段命中优化概率，增加了找到创新命中的可能性。