filter

MCE 5K Scaffold Library 由 5,000 种类药化合物组成，每种化合物代表一种结构骨架，最大程度保证了库的结构多样性。所有化合物均具有类药性，符合“Lipinski 五规则”，分子量适中（300 < MW < 500），便于后续修饰；具备理论溶解度良好（-3.2 < logP < 5）、口服生物利用度好（RotB <= 10）、药物转运性佳（2.5 < PSA < 120）等多重特质。库中的化合物均经过 MedChem & PAINS filters 筛选，剔除了不合适的化学结构，避免“目标错误”。本库化合物数量少但结构足够多样，是药物筛选的有力工具。

不同的官能团赋予化合物各自独特的化学性质和反应特性。这些官能团的存在不仅影响化合物的物理性质，还决定了它们的化学反应性以及在化学合成中的应用。MCE 多官能团共价片段库中的小分子片段包含至少两个可参与化学反应的官能团，且含有共价弹头。

共价药物分子依赖于反应性基团（共价弹头）的引入。我们基于最新的研究收集了上百种不同类型的共价抑制剂。经过谨慎选择，构建了一组含有110多种亲电基团的结构过滤器。通过对结构过滤器选择的亲电性片段进行分析，去除任何具有琐碎或不需要的结构特征的分子。最终获得 4,900 种多官能团共价片段，这些分子可靶向多种反应性氨基酸残基，用于基于片段的共价药物发现。

小分子共价抑制剂是一类通过共价键与靶点结合来发挥其生物学功能的抑制剂。与非共价抑制剂相比，共价抑制剂在生物活性方面具有明显优势，共价弹头靶向特定靶蛋白的稀有残基，可以用于开发高选择性抑制剂。

共价药物分子依赖于反应性基团（共价弹头）的引入。我们基于最新的研究收集了上百种不同类型的共价抑制剂。经过谨慎选择，构建了一组含有110多种亲电基团的结构过滤器。通过对结构过滤器选择的亲电性片段进行分析，去除任何具有琐碎或不需要的结构特征的分子。最终获得 8900 个具有共价修饰潜力的片段分子，这些分子可靶向多种反应性氨基酸残基，用于基于片段的共价药物发现。

含有羟基的侧链氨基酸（如丝氨酸和苏氨酸）在靶向共价酶抑制剂的研究中有着悠久的历史。最著名的共价药物，如阿司匹林，靶向环氧酶的非催化域丝氨酸（人COX1中的Ser529）；β-内酰胺抗生素，靶向青霉素结合蛋白的催化域丝氨酸。除此之外，还有许多共价抑制剂是靶向各种蛋白酶或水解酶的催化域丝氨酸或者苏氨酸，这些羟基由于其周围的环境，如催化三联体的引入，比一般的羟基的亲核性更强。近期有许多共价抑制剂的例子使用酰基化化合物、磷酸酯和磷酸盐、硼酸盐、磺酰氟化物来靶向催化丝氨酸和苏氨酸。

我们基于最新的研究收集了上百种不同类型的共价抑制剂。经过谨慎选择，构建了一组含有110多种亲电基团的结构过滤器。通过对结构过滤器选择的亲电性片段进行分析，去除任何具有琐碎或不需要的结构特征的分子。最终获得 3,300 个具有靶向丝氨酸/苏氨酸共价修饰潜力的片段分子，用于基于片段的共价药物发现。

共价抑制剂是一种可以通过共价键特异性结合靶蛋白并抑制其生物学功能的小分子。虽然长期以来，共价靶向在药物发现中一直处于次要地位，但随着越来越多关于此类药物成功用于临床的报道，共价药物正逐渐得到认可。目前，半胱氨酸是多种共价药物中最常见的共价氨基酸残基，各种能与半胱氨酸发生反应的弹头正在被开发出来，为共价药物开发提供了关键的砌块结构。

为了满足针对半胱氨酸的共价抑制剂的开发需求，MCE收录了3,389种包含不同靶向半氨酸共价弹头的片段化合物。MCE半胱氨酸靶向共价片段库主要使用以下共价弹头设计而成：Acrylamides、Propiolic acid ester、 Dimethylamine functionalized acrylamides、 Chloroacetamides、 Acrylonitrile、2-Cyanoacrylamide、 Aziridine, Haloacetamide等。所有化合物均符合RO3 原则，可以用于基于片段的共价药物设计

赖氨酸是设计靶向共价抑制剂（TCIs）及相关配体的第二常见氨基酸，其在人体蛋白中的丰度是半胱氨酸的三倍（5.8% 对 1.9%），这显著增加了可进行共价靶向的蛋白质数量，尤其考虑到许多蛋白缺乏可结合的半胱氨酸残基。此外，有研究表明，功能性氨基酸被突变替换的概率较低。赖氨酸通常在催化过程中扮演重要角色，充当碱或亲核试剂，并且对维持蛋白质的结构完整性及调控蛋白翻译后修饰（PTMs）至关重要。近年来针对赖氨酸的研究备受关注。

我们基于最新的研究收集了上百种不同类型的共价抑制剂。经过谨慎选择，构建了一组含有110多种亲电基团的结构过滤器。通过对结构过滤器选择的亲电性片段进行分析，去除任何具有琐碎或不需要的结构特征的分子。最终获得 445 个具有靶向赖氨酸共价修饰潜力的片段分子，用于基于片段的共价药物发现。

近年来，靶向酪氨酸的共价抑制剂研究主要集中在蛋白-蛋白相互作用（PPI）领域。酪氨酸经常出现在“热点”区域，即蛋白-蛋白相互作用的功能性表位，其中12.3%的残基由酪氨酸组成。这可能是因为酪氨酸具有疏水性表面，能够参与芳香族π相互作用，同时具备形成氢键的能力。除了蛋白蛋白相互作用外，在其他缺乏更常见侧链的情况下，靶向酪氨酸共价的研究也取得了一些进展。尽管酪氨酸的pKa值比质子化的赖氨酸侧链稍低（约10对比10.5，分别针对未保护的氨基酸侧链），然而，与赖氨酸相比，针对酪氨酸的共价配体研究进展相对较少。这可能是因为酪氨酸的侧链灵活性较差，羟基的空间位阻更大，使其难以形成合适的反应几何结构。

我们基于最新的研究收集了上百种不同类型的共价抑制剂。经过谨慎选择，构建了一组含有110多种亲电基团的结构过滤器。通过对结构过滤器选择的亲电性片段进行分析，去除任何具有琐碎或不需要的结构特征的分子。最终获得 124 个具有靶向酪氨酸共价修饰潜力的片段分子，用于基于片段的共价药物发现。

RNA 在生命活动调控的各个方面发挥着重要作用。随着对疾病机制的深入研究，RNA 的表达、剪切、翻译、稳定性调控等过程已成为疾病干预的新型靶点。通过小分子药物调节这些过程，可以为代谢疾病、遗传疾病和肿瘤患者提供新的治疗模式。

MCE 计算团队收集了 PDB、R-BIND、ROBIN 和内部数据库中的已知 RNA 靶向小分子作为阳性数据集，并从 ROBIN 中收集了非靶向 RNA 的小分子作为阴性数据集。基于 GeminiMol 预训练模型，对这些分子进行编码，并通过 Mordred 计算了 1700+ 分子描述符作为模型的输入。接着用 13 个深度学习模型对这些数据进行学习，所有模型都取得了良好的训练结果，AUROC均超过0.75。选择分类效果最好的 Finetune 模型（AUROC值：0.82，预测准确率：0.76）对 HY-L901P 进行筛选。进一步基于StaR Rules（cLogP≥1.5，Molar Refractivity≥4，Relative Polar Surface Area≤0.3）进行再过滤，最终获得 5,000 个具有潜在 RNA 相互作用活性的小分子化合物。该库同时具备结构多样性，是 RNA 靶向药物开发的有利工具。

The incidence and significance of central nervous system diseases are increasing at an alarming rate all over the world. Although substantial research efforts have been applied to develop new CNS-active drugs, only a few CNS disorders are addressed satisfactorily, while the remaining ones pose significant clinical challenges. Blood-brain barrier (BBB) permeability is one of the most important limiting factors in the design and development of novel CNS-targeted pharmaceuticals for the treatment of neurological disorders.

Carefully selected from the HTS Compound Collection to meet the parameters optimized for high BBB-permeability, our CNS Focused Screening Library comprising over 30,300 structurally-diverse and potentially CNS-active screening compounds. This original Screening Compound Library is aimed at supporting CNS drug design projects and HTS efforts in search for novel neurotherapeutics.

共价抑制剂是一种可以通过共价键特异性结合靶蛋白并抑制其生物学功能的小分子。虽然长期以来，共价靶向在药物发现中一直处于次要地位，但随着越来越多关于此类药物成功用于临床的报道，共价药物正逐渐得到认可。目前，半胱氨酸是多种共价药物中最常见的共价氨基酸残基，各种能与半胱氨酸发生反应的弹头正在被开发出来，为共价药物开发提供了关键的砌块结构。

为了满足针对半胱氨酸的共价抑制剂的开发需求，MCE收录了4,845种包含不同靶向半氨酸共价弹头的小分子化合物。MCE半胱氨酸靶向共价化合物库主要使用以下共价弹头设计而成：Acrylamides、Propiolic acid ester、 Dimethylamine functionalized acrylamides、 Chloroacetamides、 Acrylonitrile、2-Cyanoacrylamide、 Aziridine, Haloacetamide等。

MCE 1M Drug Fragment-Based Diversity Library 由 100 万种类药化合物组成。该分子库中的每个化合物都含有至少 1个 较复杂的药物片段，这些药物片段来自 FDA批准的 2,946 个药物分子，以提高化合物的类药性。计算化合物的 BMS (Bemis-Murcko Scaffold) 骨架后，每个 BMS 骨架选择 1~3 个药物片段数较高的化合物，以占据更广泛的“类药化学空间”。

本多样性库具备类药性，化合物骨架多样性等特性，是发现先导化合物的有力工具，可以广泛应用于AI药物筛选、大型虚拟筛选等。

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。

2024年5月，Nature杂志在线发表了题为“Dimerization and antidepressant recognition at noradrenaline transporter”的研究论文，该研究成果由中国科学院上海药物研究所完成。该研究破解了重要神经系统疾病靶标——去甲肾上腺素转运体（NET），获得了人源NET同源二聚体分别与转运天然底物去甲肾上腺素NE，以及六种选择性抗抑郁药物的结合模式，为理解NET等单胺类转运体的生理调控机制奠定了重要的理论基础。

Norepinephrine Transporter (NET) Compound Library是基于HY-L901类药化合物库，通过计算机虚拟筛选获得，具体筛选流程包括分子对接筛选、关键药效团筛选以及CNS-MPO筛选，可用于靶向去甲肾上腺素转运体的新药发现。

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。

库中化合物仅需1-2步化学反应即可合成，借助 MCE 经验丰富的化学合成团队，可以轻松实现从 mg 级到 kg级等不同量级的定制合成，满足不同客户需求。

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。

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）。

MEM 非必需氨基酸溶液 (100×)，是已经过滤除菌，可直接使用的常用细胞培养添加剂，其主要促进细胞生长和存活，减少体外细胞的生物合成负担。

MCE 胰蛋白酶-EDTA (0.25%)，无酚红由胰蛋白酶干粉 (来自猪胰腺的蛋白酶混合物，经辐照灭菌) 与 EDTA 混合溶于无钙、镁平衡盐溶液制成，经过滤除菌，可以直接用于培养细胞和组织的消化。