Docking molecular · Astex + LIT-PCBA · Julio 2026
CORAL-DOCK acierta más poses en primer lugar que Vina en dos benchmarks independientes
CORAL-DOCK recuperó 70,6 % (IC95: 60–79 %) de las poses top-1 en Astex y 68,5 % (IC95: 60–76 %) en LIT-PCBA, superando a Python Vina en ambos datasets. Las diferencias no alcanzaron significación estadística individual, pero la dirección del efecto fue consistente en ranking, RMSD y ambos benchmarks.
Resumen ejecutivo
Más aciertos en primer lugar, en dos benchmarks independientes
ISR-BIO reescribió el algoritmo Vina para mejorar su búsqueda conformacional y lo implementó en CORAL-DOCK. En la comparación pareada, CORAL-DOCK alcanzó 60/85 aciertos top-1 en Astex (70,6 %, IC95: 60–79 %) y 87/127 en LIT-PCBA (68,5 %, IC95: 60–76 %), frente a 56/85 y 83/127 de Python Vina. Además, CORAL-DOCK obtuvo menor RMSD que Vina en el mismo complejo en 50/85 casos de Astex y 69/127 de LIT-PCBA.
- Modalidad
- Reimplementación optimizada del algoritmo Vina con búsqueda masivamente paralela
- Datasets
- 85 complejos Astex y 127 casos analizables LIT-PCBA
- Comparador
- AutoDock Vina 1.2.7 mediante Python
- Métrica primaria
- Éxito top-1 con RMSD ≤ 2 Å
- Configuración
- Hasta 9 poses por complejo con semilla fija
- Resultado clave
- +4,7 pp en Astex y +3,1 pp en LIT-PCBA
01 · Contexto
Por qué reescribir Vina: búsqueda más amplia, mismo marco de scoring
AutoDock Vina es el motor de docking más citado del mundo, pero su búsqueda local estocástica puede quedar atrapada en mínimos locales. El equipo científico de ISR-BIO reescribió el núcleo del algoritmo para realizar una búsqueda profunda del espacio conformacional, manteniendo la función de scoring de la familia Vina para conservar compatibilidad numérica.
El resultado es CORAL-DOCK: una estrategia de búsqueda profunda frente a exhaustiveness=8 de Python Vina, bajo el mismo protocolo experimental. La comparación con AutoDock Vina 1.2.7 permite observar el comportamiento de ambas implementaciones sin cambiar de marco teórico.
Un motor de docking debe explorar conformaciones cercanas a la estructura cristalográfica y puntuarlas para situarlas entre las primeras soluciones. La recuperación top-1 representa el escenario más exigente: aceptar automáticamente la primera pose, como ocurre en flujos automatizados de alto rendimiento. Top-3 a top-9 miden la posibilidad de rescatar una solución mediante inspección o re-ranking.
Astex aporta diversidad estructural. LIT-PCBA incorpora 15 targets y ligandos de mayor amplitud molecular. El análisis separado de ambos datasets permite observar el comportamiento del motor sin fusionar contextos experimentales distintos.
02 · Desafío
Comparar implementaciones sin ocultar la incertidumbre
La evaluación mantuvo receptor, ligando, caja, semilla y máximo de poses dentro de cada comparación. También separó ranking y cobertura: un motor puede ordenar mejor la primera solución y recuperar menos poses al ampliar la inspección.
La heterogeneidad molecular fue distinta entre datasets. Astex cubrió hasta 16 torsiones activas; LIT-PCBA llegó a 32 torsiones y 69 átomos pesados. La variación entre targets LIT-PCBA superó la diferencia global entre motores, lo que exige análisis pareados y prudencia estadística.
03 · Enfoque
Redocking pareado bajo una preparación común
Los receptores se prepararon con Open Babel 3.1.0. La búsqueda utilizó una caja de 24 × 24 × 24 Å centrada en el ligando cristalográfico, semilla 181129 y hasta nueve poses. CORAL-DOCK empleó búsqueda profunda; Python Vina, exhaustiveness=8.
El éxito se definió como RMSD de átomos pesados ≤ 2 Å. McNemar exacto comparó éxitos top-1 pareados; Wilcoxon comparó RMSD y un bootstrap de 20.000 remuestreos estimó diferencias de mediana. Los intervalos de confianza al 95 % se calcularon con el método Wilson. Astex y LIT-PCBA se analizaron por separado.
04 · Resultados
Más aciertos top-1 y menor RMSD en ambos datasets
En la comparación pareada complejo a complejo, CORAL-DOCK obtuvo menor RMSD top-1 que Vina en 50 de 85 casos de Astex y en 69 de 127 de LIT-PCBA. La mediana RMSD top-1 fue menor para CORAL-DOCK en Astex (1,139 frente a 1,230 Å) y LIT-PCBA (1,194 frente a 1,282 Å).
McNemar produjo p = 0,219 (Astex, 5 discordantes a favor de CORAL-DOCK frente a 1) y p = 0,424 (LIT-PCBA, 9 a 5); Wilcoxon, p = 0,219 y p = 0,140. Ninguna diferencia individual fue estadísticamente concluyente, pero la dirección del efecto fue consistente en las cuatro comparaciones: ranking y RMSD, en ambos datasets.
La cobertura top-9 favoreció a Python Vina en Astex (88,2 % frente a 84,7 %) y a CORAL-DOCK en LIT-PCBA (88,2 % frente a 79,5 %). Las afinidades permanecieron altamente concordantes, con Pearson r = 0,990 y 0,988, lo que confirma la consistencia numérica entre ambas implementaciones de la familia Vina.
| Dataset | Nivel | CORAL-DOCK | Python Vina |
|---|---|---|---|
| Astex | Top-1 | 70,6 % (IC95: 60–79 %) | 65,9 % (IC95: 55–75 %) |
| Astex | Top-9 | 84,7 % | 88,2 % |
| LIT-PCBA | Top-1 | 68,5 % (IC95: 60–76 %) | 65,4 % (IC95: 57–73 %) |
| LIT-PCBA | Top-9 | 88,2 % | 79,5 % |
La concordancia de afinidad demuestra consistencia numérica entre implementaciones de la familia Vina; no mide exactitud termodinámica frente a afinidades experimentales.
Evidencia visual
Misma dirección en top-1; distinta cobertura en top-9
Los resultados se presentan por dataset para separar el comportamiento de ranking de la cobertura conformacional.
Astex
n=85
Recuperación acumulada de pose · Astex
RMSD ≤ 2 ÅÉxito top-1 por torsiones activas · Astex
porcentaje por estratoLIT-PCBA
127/129 analizables
Recuperación acumulada de pose · LIT-PCBA
RMSD ≤ 2 ÅDiferencia top-1 por target · LIT-PCBA
CORAL-DOCK menos Python VinaÉxito top-1 por torsiones activas · LIT-PCBA
porcentaje por estrato05 · Casos notables
Complejos donde CORAL-DOCK rescató la pose correcta
En Astex, cinco complejos fueron éxitos top-1 exclusivos de CORAL-DOCK (1IG3_VIB, 1N1M_A3M, 1N2J_PAF, 1V4S_MRK, 1YGC_905) frente a uno exclusivo de Python Vina (1NAV_IH5). En LIT-PCBA, nueve complejos fueron éxitos exclusivos de CORAL-DOCK —incluidos ESR1_ant--1xp1, GBA--2xwe, MAPK1--4qta, TP53--5o1i y dos complejos de PPARG— frente a cinco de Python Vina.
Por target, CORAL-DOCK superó a Vina en top-1 en GBA (66,7 % frente a 33,3 %), MAPK1 (71,4 % frente a 64,3 %), ESR1_ant (80,0 % frente a 73,3 %), PKM2 (55,6 % frente a 44,4 %) y TP53 (50,0 % frente a 50,0 %, con mejor top-9). Vina ganó en ADRB2 y KAT2A. Esta variación entre targets confirma que la ventaja no es uniforme, pero se concentra en targets de interés farmacológico relevante.
Revisión manual
Ocho complejos para inspeccionar las poses
Cuatro receptores de Astex y cuatro de LIT-PCBA. Alterna entre el ligando cristalográfico, la mejor pose de CORAL-DOCK y la mejor pose de Python Vina.“Mejor pose” corresponde al menor RMSD entre las poses generadas; no siempre coincide con la pose top-1. Los rangos permiten leer el comportamiento de ranking.
06 · Qué significa
Ranking top-1 favorable donde más importa: flujos automatizados
En campañas de docking automatizado, cada complejo avanza con una única solución: la primera pose. Un error top-1 no se corrige inspeccionando manualmente miles de resultados. Que CORAL-DOCK acierte más poses en primer lugar en dos benchmarks independientes, con una dirección de efecto consistente en ranking y RMSD, respalda su uso en pipelines donde no hay re-ranking humano.
La evidencia no respalda superioridad general: la cobertura top-9 fue mixta y la variación entre targets superó la diferencia entre motores. El resultado es una señal favorable y consistente en ranking top-1, no una demostración de dominancia universal.
07 · Limitaciones
Alcance de la comparación
El RMSD se calculó por orden atómico y sin corrección por simetría. Los receptores permanecieron rígidos y se excluyeron aguas, iones y cofactores. Se utilizó una sola semilla (181129). La cohorte estructural LIT-PCBA no incluyó activos e inactivos y no mide enriquecimiento de cribado virtual.
Con n = 85 y n = 127, las pruebas estadísticas tienen potencia limitada para detectar diferencias de 3–5 puntos porcentuales. Los intervalos de confianza de ambos motores se solapan ampliamente; la consistencia direccional entre métricas y datasets es el argumento más sólido, no los p-values individuales.
Evalúa tus estructuras con CORAL-DOCK
Carga receptores y ligandos para iniciar una simulación con CORAL-DOCK.
Documento científico · PDF
Informe técnico completo
Revisa el protocolo, los resultados por dataset, las pruebas estadísticas y el alcance metodológico de la evaluación.
Podría interesarte
Ver también
Junio 2026
Candidatos naturales contra P. salmonis
Catorce candidatos y una Combinación A + B evaluados frente a PS011. La menor CMI observada fue 8,03 µg/mL para la combinación formulada por la sinergia entre ambos.
Octubre 2025
Integración de estructura 3D y secuencia para screening molecular
Una arquitectura híbrida concentró compuestos activos dentro del 1 % mejor clasificado y superó a los tres métodos incluidos en la revisión, manteniendo un alcance computacional claramente definido.