MolPort的計算流程：
結合基于結構和配體的組合策略建立多步驟虛擬篩選流程，依次通過分子對接、藥效團過濾、化學多樣性聚類分析、3D-QSAR和隨機森林法篩選、目視篩選等方法，篩選了Molport庫中約62萬個小分子，選出了20個化合物進行生物活性測試以及分子動力學模擬，20個分子中有12個在10μM時具有生物活性，其中4個分子的IC50值<1μM。本研究建立的多步驟虛擬篩選方法提高了陽性分子的命中概率，篩選的HIT分子與已知的FLAP抑制劑相比，具有明顯不同的化學類型，可作為開發新型FLAP抑制劑的先導化合物。
MolPort形狀篩分的優勢：
基于形狀的篩選的目標是簡單明了：鑒于已知與目標結合的化合物的結構和形狀，基于形狀的篩選將識別具有與以下相似的形狀（如果需要，還具有其他特性）的新化合物已知的粘合劑。該方法與物理化學直覺是一致的：受體“看到”與其結合的分子的形狀和靜電性質，因此，如果新化合物與已知粘合劑的形狀和靜電性質相匹配，則它也可能也會結合。
形狀篩選是進行前導優化研究的有效工具，其中多個相似分子的快速靈活疊加對于理解SAR至關重要。形狀篩分也非常適合在潛在客戶發現的早期階段使用。形狀篩選不需要創建可靠的藥效團模型可能必需的目標晶體結構或發達的SAR集。只需要一個已知的活動查詢化合物。
形狀篩選可以僅在形狀模式下運行，也可以在對齊和評分時納入原子類型的相似性。形狀篩選還包括一個特殊的模式，該模式將每個結構描述為藥效基團特征的集合，而不是單個原子。這種基于藥效團的模式可產生較高的數據庫富集度。
