interference

据报道，大部分已知的激酶抑制剂都是通过高度保守的 ATP 口袋中的竞争性结合发挥作用的。虽然RNA 干扰等遗传技术可以使特定的基因失活，但是大多数激酶是多结构域蛋白，其中每个结构域都是有独立的功能。高选择性抑制剂比非选择性抑制剂具有更高的效能，对靶标的选择性至少高100倍。因此，确保用最具选择性的抑制剂验证靶标，这对于更透彻的了解激酶领域药理学非常重要。高选择性抑制剂库包含 5,433 种化合物，涵盖多个靶点及亚型，如GPCR蛋白家族、离子通道、多种激酶等。高选择性抑制剂库是进行不同表型筛选的有效工具。

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。

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。

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）。

MCE 标准基底膜基质胶（无酚红）主要成分是小鼠肿瘤中提取的天然基底膜基质，可用于后期需要进行颜色鉴定实验的细胞侵袭实验、血管生成实验、类器官培养等。