24小时热门版块排行榜

>论坛更新日志 (4729)
>文献求助 (343)
>虫友互识 (281)
>基金申请 (279)
>导师招生 (215)
>硕博家园 (170)
>休闲灌水 (163)
>论文投稿 (147)
>考博 (111)
>教师之家 (104)
>论文道贺祈福 (103)
>考研 (98)
>博后之家 (81)
>公派出国 (62)
>找工作 (58)
>绿色求助(高悬赏) (40)

返回列表

合研生物

新虫 (小有名气)

应助: 1 (幼儿园)
金币: 130.4
帖子: 75
在线: 18.3小时
虫号: 9349958

[交流] 计算机辅助药物设计的一些感受

合研生物可以利用基于结构的药物设计方法，对可购买化合物、天然产物等数据库进行虚拟筛选，并获得潜在活性的化合物列表供进一步活性实验确证。面向制药企业和科研院所，可提供一站式的早期药物研发服务，包括虚拟药物筛选、先导优化、靶标预测、动力学模拟等，涉及化学药、生物药、中药等多种新药类型，为您提供优质的药物发现服务。
计算机辅助药物设计
      计算机辅助药物设计（Computer-Aided Drug Design）是以量子力学和分子力学的分子模拟理论为基础，通过模拟、计算或模型学习，预测药物与靶标分子之间的作用，筛选、设计和优化先导化合物的方法。
   1. 基于结构的药物设计（Structure-based Drug Design, SBDD）
         a) 分子对接（Molecular Docking）
         b) 从头设计（de novo）
         c) 药效团模型（pharmacophore）
   2. 蛋白结构的同源模建（Homology Modeling）
   3. 动力学模拟（Molecular Dynamics）
   4. 基于配基的药物设计（Fragment-based Drug Design, FBDD）
         a) 定量构效关系分析（QSAR）
         b) 机器学习模型（Machine Learning）
         c) 构象分析（Conformational Analysis）
   5. 先导化合物优化（Lead Optimization）
         a) 骨架跃迁（Scaffold Hopping）
         b) 生物电子等排体（Bioisostere）
         c) 分子相似性分析（Molecular Similarity Analysis）
         d) 成药性分析（Drug Profiler）
            理化性质（Physical and Chemical Properties）
            ADME性质（ADME Property）
            安全性（Safety Profiler）
   6. 多靶标药物设计（Multi-target Drug Design）
反向靶标预测
         寻找靶标的过程，称为反向找靶，即建立表型活性和分子靶标的关系。
            反向对接（Reverse Docking）
            反向药效团模型搜索（Pharmacophore Matching）
            配体分子相似性分析（Ligand Similarity Analysis）
            化合物-靶标网络（Compound-Target Network Plot）
            靶标作用通路富集分析（Pathway Enrichment Analysis）
基于靶标的合理药物设计
      与疾病相关的生命科学基础研究或已有的药物成功研发案例可以发现并确证药物开发的靶标，此时，一个重要的任务是尽快发现多样性的活性化合物。如果靶标蛋白的结构已经通过X-Ray衍射或是NMR方法测定，可以利用基于结构的药物设计方法，包括分子对接、药效基团、从头设计、分子动力学等，对可购买化合物、天然产物等数据库进行虚拟筛选，并获得潜在活性的化合物列表供进一步活性实验确证。在靶标结构未知的情况下，盛世华康可以通过同源模建等方法建立该靶标的可能结构，并开展进一步的研究。
      * 基于配体的合理药物设计
      如果没有任何靶标结构相关的信息可以利用，可以根据已知的活性分子，根据相似性原理，开展定量构效关系分析、药效团模型构建、假想受体模型等研究，或进行先导化合物的结构优化，快速发现me too, me better的化合物。
      * ADME/T特性的理论评测
      可通过理论方法预测、分析客户所提供的苗头或先导化合物的吸收、分布、代谢、排泄以及毒性(ADME/T)特性，以帮助提高这些化合物的成药性。这些理论预测模型均基于大数据分析获得，既包括大量的商业模型，也包括基于独有技术开发的模型。
      * 表型活性的靶标预测
      对已经经过表型活性确认的分子，例如抗肿瘤、抗菌药物，通过反向分子对接、药效团搜索和机器学习算法推测该活性分子的潜在靶标，并进一步快速验证靶标的正确性。对分离或者合成获得的新颖化合物结构，可以通过上述技术，预测该化合物的潜在活性，实现靶标发现，提升化合物价值。

所使用的化合物库均是免费的，所筛选到的化合物均是可以购买到的。