FastROCS
http://www.eyesopen.com/rocs //這間產品相當多，都是很棒的相關軟件。
FastROCS是一個非常快的形狀比較應用程序，基於分子具有相似的形狀，如果他們的捲覆蓋以及任何數量的不匹配，是衡量一個相異的想法。它採用了平滑的高斯函數來表示分子體積[1]，因此很可能定期減少全球最佳匹配。
FastROCS前所未有的速度代表了3D形狀甄別潛在的範式轉變作為藥物發現過程的一部分。現在，只需幾秒鐘，FastROCS就可以執行整個多構象的企業收集的代表性找到類似形狀的鉛化合物（一個任務可以實現以前需要一天[2]）的活性化合物的虛擬屏幕。最近的工作表明，基於配體的基本形狀相似的做法是有競爭力的，並往往優於結構為基礎的虛擬篩選方法[3,4]，無論是在整體性能和一致性方面[5]。
此外，以革命性的虛擬篩選的能力，並導致跳，FastROCS打開門對整個multiconformer數據庫進行比較NxN的形狀。這種能力使得3D形狀的大型數據庫集群為FI？RST時間的實際可能性。
FastROCS路線有一個額外的應用程序，包括：三維構效關係，特區的分析，了解SCA的ffold多樣性和共同綁定元素的檢測。晶體構象的比對也已構成預測蛋白質結構的情況下有用
ROCS
Shape Similarity for Virtual Screening & Lead Hopping
ROCS is a fast shape comparison application, based on the idea that molecules have similar shape if their volumes overlay well and any volume mismatch is a measure of dissimilarity. It uses a smooth Gaussian function to represent the molecular volume [1], so it is possible to routinely minimize to the best global match.
ROCS is a powerful virtual screening tool which can rapidly identify potentially active compounds with a similar shape to a known lead compound [2]. The high speed of ROCS enables the screening of entire multi-conformer corporate collections in a single day on a single processor. Recent work indicates that ROCS is competitve with, and often superior to, structure-based approaches in virtual screening [3,4], both in terms of overall performance and consistency [5].
ROCS alignments have a number of applications: 3D QSAR, SAR analysis, understanding of scaffold diversity and detection of common binding elements[6]. ROCS alignments to crystallographic conformations have also been useful in pose prediction in the absence of a protein structure [7].
vROCS is the innovative graphical user interface that enables users to jump right into working with ROCS. vROCS also provides a powerful query editor enabling the advanced user to design complex queries. Recognizing the importance of query validation, vROCS includes a collection of statistical tools to evaluate the performance of different queries.
鴻鵠國際是台灣地區官方合作廠商
關於 OpenEye
OpenEye 科學軟體從 1997 年到現在已經在藥物設計和分子模型方面開發了相當多的應用和工具包。我們的軟體具有科
學的嚴密性、速度快、可擴展性以及平臺的獨立性等特點，主要作用是用於虛擬篩選和尋找具有新骨架的先導化合物。
OpenEye 軟體產品線包括化學資訊學、分子構象生成、分子對接、形狀比較、靜電、晶體學分析、視覺化等工具。OpenEye
還將其技術以程式設計庫的方式提供工具包以滿足客戶自行開發的需求。
OpenEye 的研究者認為：分子相互作用的化學問題是形狀和靜電的問題。因此，我們設計軟體的主要目的之一是準確地
量化分子的形狀和靜電，可用於發現先導化合物。我們也相信對方法和結果進行嚴格驗證的重要性， 因此，我們也提供了實現這種分析驗證的方法。
OpenEye 軟體支援多處理器運算，支援 64 位處理，可運行在 Linux、Windows 和 Mac OS X，以及 IBM 和 SUN 的 UNIX上。
虛擬篩選
OpenEye 的虛擬篩選應用程式包括：FILTER， QUACPAC， OMEGA， ROCS， FastROCS， EON 以及 FRED.
關於化合物的準備，可以用 FILTER 過濾掉不理想的分子，用 QUACPAC 的多種電荷模型計算電荷，用 OMEGA 生成高品質的 3D 構象集(3D conformer ensembles)。對基於配體的虛擬篩選，ROCS 和 FastROCS 可以在化合物庫中搜索有類似
3D 形狀和化學性質的分子。EON 經常可以和 ROCS 聯用，從 ROCS 命中的列表中識別出與篩選模型（範本分子）具有
靜電相似性的新骨架化合物。對基於結構的虛擬篩選，FRED 是一種詳盡的、剛性對接與打分程式。
資訊蒐集:
pdf:
http://www.biomodelit.com/Downloads/Openeye.pdf
虛擬篩選--包括FILTER, QUACPAC, OMEGA, ROCS, FastROCS, EON 和FRED
OpenEye的虛擬篩選應用程式包括：FILTER， QUACPAC， OMEGA， ROCS， FastROCS， EON 以及FRED.
關於化合物的準備，可以用FILTER過濾掉不理想的分子，用QUACPAC的多種電荷模型計算電荷，用OMEGA生成高品質的3D構象集(3D conformer ensembles)。對基於配體的虛擬篩選，ROCS和FastROCS可以在化合物庫中搜索有類似3D形狀和化學性質的分子。EON經常可以和ROCS聯用，從ROCS命中的列表中識別出與篩選模型（範本分子）具有靜電相似性的新骨架化合物。對基於結構的虛擬篩選，FRED是一種詳盡的、剛性對接與打分程式。
FILTER——化合物性質計算以及不理想化合物的刪除
FILTER是一個非常快速的分子過濾和篩選應用程式。它聯合物理性質的計算和官能團的知識，在化合物進入實驗或者虛擬篩選前，刪除性質不理想的化合物，巨大地提高這些程式預測的價值並顯著地減少計算時間。
[1] Ertl， P.， Rohde， B.， and Selzer， P.， J. Med. Chem.， 2000， 43， 3714.
[2 Lipinski， C.， et al.， Adv. Drug Deliv. Rev.， 1997， 23， 3.
[3] Egan， W.J.， Merz， K.M.， Baldwin， J.J.， J. Med. Chem.， 2000， 43， 3867.
[4] Veber，D.F.， Johnson， S.R.，Cheng， H.Y.，Smith， B.R.，Ward， K.W.，Kipple， K.D.，J. Med. Chem.，2002，45， 2615.
[5] Martin， Y.C.， J. Med. Chem.， 2005， 48， 3164.
QUACPAC——互變異構體/質子化狀態枚舉以及電荷分配
為了得到正確的質子化狀態，QUACPAC支援pKa計算和互變異構體枚舉的計算。QUACPAC還支援多種局部電荷模型（包括MMFF94， AM1-BCC），可以使每一個用戶快速、高品質地得到準確的電荷。
[1] Halgren， T.A.， J. Comp. Chem， 1996， 17， 490; Halgren， T.A.， J. Comp. Chem， 1999， 20， 720.
[2] Jaklian， A.， Jack， D.B. and Bayly， C.， J. Comp. Chem， 2002， 23， 1623.
[3] Cieplak， P.， Cornell， W.D.， Bayly， C. and Kollman， P.A.， J. Comp. Chem， 1995， 16， 1357
OMEGA——包含生物活性構象的構象系綜
OMEGA可以快速地生成類藥分子的構象空間，每個處理器每天處理的通量達到成千上萬個化合物。它可以有效地重現生物活性構象，對於大型的化合物資料庫，它在速度和效果上達到了最佳平衡。
OMEGA構象資料庫可以被用來作為許多應用的輸入，包括分子對接引擎（FRED）、形狀比較工具（ROCS）和藥效團識。
[1] Conformer Generation with OMEGA: Algorithm and Validation Using High Quality Structures from the Protein Databank and Cambridge Structural Database， P.C.D. Hawkins， A.G. Skillman， G.L. Warren， B.A. Ellingson and M.T. Stahl J. Chem. Inf. Model.， 2010， 50， 572.
[2] Conformational Analysis of Drug-Like Molecules Bound to Proteins: An Extensive Study of Ligand Reorganization upon Binding， E. Perola and P.S. Charifson. J. Med. Chem. 2004， 47， 2499-2510.
[3] Comparison of Comformational Analysis Techniques to Generate Pharmacophore Hypotheses Using Catalyst， R. Kristam， V.J. Gillet， R.A. Lewis and D. Thorner. J. Chem. Inf. Model. 2005， 45， 461-476.
ROCS——用於虛擬篩選和先導化合物骨架躍遷的形狀相似性
ROCS是一個強大的虛擬篩選工具，可以通過與一個已知先導化合物的相似性比較，快速發現具有潛在活性的化合物。ROCS的高速使得單個處理器每天進行多構象的篩選成為可能。 最近的工作表明，在虛擬篩選方面，ROCS的效果和一致性可以和基於結構的虛擬篩選相提並論甚至經常超越後者。
vROCS提供了強有力的虛擬篩選模型編輯器，可以使高級用戶設計複雜的虛擬篩選模型。認識到虛擬篩選模型驗證的重要性，vROCS還提供了一整套的統計學工具來評價不同虛擬篩選模型的性能。
[1] Grant， J.A.， Gallardo， M.A.， Pickup， B.， J. Comp. Chem.， 1996， 17， 1653.
[2] Rush， T.S.， Grant， J.A.， Mosyak， L.， Nicholls， A.， J. Med. Chem.， 2005， 48， 1489.
[3] Hawkins， P.C.D.， Skillman， A.G.， Nicholls， A.， J. Med. Chem.， 2007， 50， 74.
[4] Venhorst， J.， Nunez， S.， Terpstra， J.W.， Kruse， C.G.， J. Med. Chem.， 2008， 51， 3222.
[5] Sheridan， R.P.， McGaughey， G.B.， Cornell， W.D.， J. Comput. Aided Mol. Des.， 2008， 22， 257.
FastROCS——用於虛擬篩選、先導化合物骨架躍遷和形狀聚類的即時形狀相似性
FastROCS是一個快速的基於GPU的形狀比較程式， 它使得即時的形狀相似性比較可以應用在虛擬篩選、先導化合物骨架躍遷和形狀聚類方面。在配置了一個Quad Fermi顯卡的電腦上，FastROCS每秒鐘能篩選200多萬個分子構象， 這比常見的傳統硬體要快幾個數量級。
FastROCS在2011年波士頓生物資訊技術世界大會上獲得了“Best of Show”獎項。 FastROCS同樣以最好的表現在2010年新奧爾良超級計算大會上得到KhronosOpenCL獎項。
[1] Grant， J.A.， Gallardo， M.A.， Pickup， B.， J. Comp. Chem.， 1996， 17， 1653.
[2] Rush， T.S.， Grant， J.A.， Mosyak， L.， Nicholls， A.， J. Med. Chem.， 2005， 48， 1489.
[3] Hawkins， P.C.D.， Skillman， A.G.， Nicholls， A.， J. Med. Chem.， 2007， 50， 74.
[4] Venhorst， J.， Nunez， S.， Terpstra， J.W.， Kruse， C.G.， J. Med. Chem.， 2008， 51， 3222.
[5] Sheridan， R.P.， McGaughey， G.B.， Cornell， W.D.， J. Comput. Aided Mol. Des.， 2008， 22， 257.
[6] Sutherland， J.J.， Nandigam， R.K.， Erickson， J.A.， Vieth， M. J. Chem.， Inf. Model， 2007， 47， 2293.
EON——用於先導化合物骨架躍遷的靜電相似性
EON可以對疊合好的一系列分子進行基於靜電勢圖的比較和打分。由於分子的靜電勢和分子圖形並不具有很強的相關性，EON可用於靜電勢相似性的比較，來實現先導化合物的骨架躍遷。
由於輸入分子必須是已經疊合好的一系列分子，因此，EON很適合用來進一步識別ROCS等程式得到的輸出結構，從而產生具有相似形狀和靜電的化合物。
[1] Muchmore， S.， Souers， A. J.， Akritopoulou-Zanze， I.， Chem. Biol. Drug Des.， 2006， 67， 174
[2] Naylor， E.， et. al.， Nat. Chem. Biol. 2009， 5， 220
FRED——基於受體的對接和打分
FRED詳盡地檢測出配體在蛋白質活性位點裡所有可能的分子取向，接著利用形狀互補性和藥效團特徵對各種取向進行過濾，再用一致性打分函數選出單個的分子取向。然後再用一系列基於結構和基於配體的打分函數對配體進行打分和排序。
在一次全面的分子對接程式用於虛擬篩選的方法研究中， FRED的效果表現為最好之一，並且表現出了最低的變異性。