acceptor

19F-NMR 已被证明是基于片段的药物发现 (FBDD) 中研究蛋白质结构和相互作用的一种检测模式。19F 在核磁共振检测中表现出很高的灵敏度，其化学位移和对配体结合的敏感性使其成为一种有价值的基于片段的药物发现方法。F (氟)-片段与靶蛋白结合后可用于 19F-NMR 检测，可作为基于片段的药物发现的有效 19F-NMR 工具。

MCE 可以提供 5,107 种含氟片段化合物，这些化合物均符合 “类药 3 原则 (RO3)”，即分子量 ≤300 Da，氢供体 (H-donors) ≤3，氢受体 (H-acceptors) ≤3，cLogP ≤3。MCE 含氟片段化合物库是先导化合物的重要来源。

基于片段的药物开发（FBDD）非常适合先导化合物及功能探针的发现，片段化合物可以覆盖广阔的化学空间，也更易于后期进行结构优化。以片段化合物为基础的药物开发在制药行业已经相当成熟，已经有多种药物进入临床试验，其中vemurafenib和venetoclax两种药物已经获得批准上市。FBDD在学术界也同样具有很强的吸引力，尤其FBDD可以应对一些新颖，较难成药的靶点，这些靶点通常在现有的高通量筛选化合物库中没有有效的可与之匹配的化合物。

MCE 可以提供 23,347 种片段化合物，这些化合物均符合“类药3原则（RO3）”，即分子量≤300 Da，氢供体（H-donors）≤3，氢受体（H-acceptors）≤3，cLogP ≤3。MCE片段化合物库是先导化合物的重要来源。

基于片段的药物发现 (FBDD) 可根据片段分子的基团来进一步划分，这具有战略上的优势，这一特性使得成果能够被进一步优化，并为通过组合多个片段来合理设计更大分子提供了可能性。目前许多上市药物，如 Galatamine、Tacrine、和 Rivastigmine，均为胺类化合物。胺类结构对药物的疗效有着显著的贡献，这种基团有助于提高药物的溶解度、改善生物利用度，并确保药物在保质期内的稳定性，这对于开发有效的药物至关重要。

MCE 可以提供 0 种胺类片段化合物，这些化合物均符合类药 “3原则 (RO3)”，即分子量 ≤300 Da，氢供体 (H-donors) ≤3，氢受体 (H-acceptors) ≤3，cLogP ≤3。

This library contains about 439,804 natural and synthetic screening compounds. The information in the database includes logP, H-bond donors, H-bond acceptors, rotable bonds.

膳食补充剂，又被称为营养补充剂或食品补充剂，包括维生素类、矿物质类、氨基酸类等膳食成分。在后疫情时代，膳食补充剂的独特价值愈发凸显。相较于传统药物，膳食补充剂在公众中的接受度往往更高，这得益于它们较高的安全性和源自天然成分的特性。通过口服补充人体必需的营养素和生物活性物质，有助于提高机体健康水平，并降低疾病风险。而对于一些慢性病，合理的膳食补充剂更是可以作为传统医疗手段的有力补充，以增强药物疗效。

MCE 收录了 70 个膳食补充剂，这些成分均源自于 FDA、EFSA、NMPA 等权威机构发布的官方清单，可用于保健食品的开发和一些慢性疾病的机制研究。

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。

在药物设计中，硼酸/硼酸酯是一种比较新颖且有潜力的化学结构。硼酸以sp²杂化状态存在，其分子有一个空的p轨道，可以作为Lewis酸接受杂原子（O,N或S）的孤对电子，这一独特的Lewis酸特性，使其能够与靶蛋白上的特定氨基酸残基（如赖氨酸、丝氨酸、苏氨酸、组氨酸等）形成可逆的共价键。目前FDA已批准的5个硼酸或硼酸酯药物，与靶蛋白的作用大都涉及共价结合机制。此外，硼酸还可以作为羧酸、磷酸和酚基的电子等排体，用于改善药代动力学特征和提高药效。

迄今为止，已有5个含硼药物被FDA批准上市。硼酸/硼酸酯的特性让它在药物设计中拥有极大的潜力，已应用到癌症治疗（如多发性骨髓瘤）、抗感染（如真菌感染、结核病）、抗炎症（如特应性皮炎）、抗细菌（如碳青霉烯类耐药细菌感染）和活性氧(Reactive Oxygen Species, ROS) 响应型前药等领域。MCE硼酸/硼酸酯片段化合物库含有1600多个化合物，是用于开发含硼类药物的有用工具。

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3,533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

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5,004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 Drug Fragment Library 由 1,168 个药物片段组成。这些药物片段来自 2,946 个 FDA 已批准的药物分子。同一药物的不同片段可以出现在其他药物中，这些片段和 PK/PD 性质存在一定的相关性，基于片段的筛选可以为后续优化结构预留出足够的化学空间。该化合物库是 FBDD（基于片段的药物设计）药物筛选的必备工具。

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。

近年来，随着一系列共价抑制剂的成功问世，特别是针对那些传统上被认为难以成药的受体，如 EGFR、BTK、KRAS 的抑制剂，以及共价抑制剂在解决耐药性问题方面表现出显著优势，共价抑制剂已然成为小分子药物研发的热点。但是此类抑制剂一旦出现脱靶，也将带来更强的毒副作用。因此，通过合理的筛选设计和结构修饰发现共价抑制剂药物也逐渐成为一个药物研发的焦点。

MCE 类药共价化合物库含有 1,049 个共价分子，这些分子包含共价反应常用的弹头，如丙烯酰胺、活化末端乙炔、酰基氧甲基酮、硼酸等，可以与半胱氨酸、赖氨酸、丝氨酸和组氨酸等发生共价反应，是筛选共价化合物的有利工具。

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）。