分子形状比较方法广泛应用于药物研发领域，如虚拟筛选，骨架跃迁以及分子叠合等。分子形状比较方法一般而言分为两种，一种是直接的形状比较；另一种是基于形状描述符的比较。虽然基于形状描述符的比较方法速度较快，但是具有局限性——两个相似的分子，其描述符可能不尽相同。

描述符

目前学术界认为直接形状比较方法更有效，因为这些方法通常可以获得形状匹配的最佳对齐，并且可以发现一些有用的信息来解释为什么某些配体比其他配体活性更好。

药效团

用来描述分子形状的方法也有很多，其中有两种应用比较广泛——硬球模型和高斯球模型。尽管对于硬球模型而言，可以得到体积及其导数的解析表达式，但是它的实现并不简单，多个体积的交集公式使计算变得越来越复杂。另外一个不足之处在于重叠体积导数的不连续。

相比硬球模型，基于高斯球模型来计算分子体积的方法就简化了很多。下面小编将为大家简单介绍一下基于高斯球模型计算分子体积的算法——WEGA（the Weighted Gaussian Algorithm，加权高斯算法）。

形状与药效团

该算法的出现是为了提高FOGA（一阶高斯近似，如ROCS、SHAFTS等）的效率及准确性。在保持FOGA简化性的基础上，引入权重因子，提高整体分子体积计算的精确度尤其是叠合原子的体积。以硬球模型为参考，将形状相似度计算误差降低37%。同时为了提高虚拟筛选的准确性，该算法还综合考虑了分子药效团特征。

那WEGA有哪些主要功能呢？

1、化学结构的叠合

将化学结构在三维空间进行平移与旋转，使其最大程度的重叠。

2、基于相似性原理进行药物虚拟筛选

1）相似的化学结构具有相似的生物学功能，可用于药物靶点预测；

2）对已知生物学功能的化学结构，通过WEGA寻找与其在结构形状上相似的其他化学结构。

3、药物聚类分析

使用WEGA计算化学结构之间的形状相似度，根据相似度值进行药物的分类。

虚拟筛选

WEGA目前已经获得美国专利授权。一开始只有单独的Linux程序，但对于多数小白并不友好，使用不便。后面将WEGA应用于药物靶点预测系统和药物筛选管理系统，提供靶点预测功能及虚拟筛选功能，大大提高使用便捷性，大家只需要通过浏览器在线绘制结构或者导入本地结构即可浏览结果。