葯物設計pdf

A. 葯物設計方法有哪些

葯物設計方法
涉及鑒定生物活性化合物、化合物庫的方法。技術背景通常將參與與無論是酶還是受體治療靶進行分子間相互作用的小分子描述為與所述靶直接相互作用的結合元件或葯效基團和形成生物活性分子框架的非結合組分。例嫌臘如在肽配體或底物的情況下，通常多個氨基酸側鏈與它們的受體或酶形成直接相互作用，而肽主鏈(和其它氨基酸殘基)的特定折疊則提供控制這些側鏈相對位置的結構或骨架。換言之，肽的三維結構以適合於與治療靶結合所需的方式提供特定側鏈。由於必須合成大量的化合物以鑒定具有潛力的活性化合物，因此問題是這些模型不能快速鑒定候選葯物。在這些庫中的葯效基團是賦予分子葯理學活性的添加的基團或取代基或其一部分。分子多樣性可以認為由葯效基團組合的多樣性(取代基的多樣性)和這些葯效基團展示方式的多樣性(形狀的多樣性)組成。化合物庫中取代基多樣性或形狀多樣性或這兩種參數被系統地改變稱為掃描分子多樣性。通過系統地改變葯效凳春基團、骨架和葯效基團的連接位置，碳水化合物骨架為創建結構多樣化的分子庫提供獨特的機會。這些多樣性庫可快棗者耐速鑒定含有與生物耙相互作用所必需的至少兩個葯效基團的最小組分或片段。這些片段可以進一歩優化以為葯物設計提供有效的分子。因此，這些類型的碳水化合物庫為掃描分子多樣性提供了優異的基礎。

B. 葯物設計學的內容提要

本書在內容編排上著重闡述葯物發現所涉及的生命科學的基本原理和進行創新葯研究所需的葯物設計的基嫌穗本方法，同時還介紹了近年來葯物設計學的前沿熱點領域，最後簡要敘述新葯研究中的方法、原理。全書共分為十一章，第一章是葯物設計的生命科學基礎，第二、三章是細胞間的信號轉導及內源性生物活性物質的調節機理與有關葯物設計，第四、五章是基於核酸代謝和酶促原理的抗代謝物和酶抑制劑類葯物的研究與發現，第六、七章主要介紹在葯物研究與開發中較成熟且實用的前葯原理和生物電子等排體原理與方法，第八、九、十章是基於組合化學、化學基因組學原理和計算機技術與方法的葯物設計，也是近年來新葯研發的前沿領域，第十一章是新葯開發的基本途徑與方法，通過該章的學習，讀者可了解新葯從發現到開發上市的基本過程。
圖書目錄
緒論
第一節葯物發現的幾個歷史階段
一、隨機篩選階段
二、定向發掘階段
三、葯物設計階段
第二節葯物設計學學科的形成與發展
第三節葯物設計學的現代技術與前沿領域
一、組合化學與高通量篩選技術
二、計算機輔助葯物設計
三、化學信息學
四、結構生物學
五、生物信息學
六、合理葯物設計
第一章葯物設計的生命科學基礎
第一節葯物作用的生物靶點
一、生物靶點的分類
二、生物大分子的結構與功能
第二節葯物與生物大分子靶點的相互作用
一、葯物與生物靶點相互作用的化學本質
二、葯物與生物靶點相互作用的適配關系
三、葯物與靶點相互作用的基本理論
第三節生物膜與葯物的跨膜轉運
一、生物膜的基本結構與功能
二、生物膜的物質轉運機理與調節
三、影響膜轉運的分子葯理學
第二章基於細胞間信號轉導的葯物設計
第一節細胞間的信號轉導
一、信號與信號轉導的物質基礎
二、化學信號分子（第一信使）
三、細胞的信號接受系統
四、細胞內信號轉導系統（第二信使）
五、胞內第三信使——鈣離子
六、對信號轉導系統的干預
第二節基於調節第二、三信使的葯物設計
一、調節第三信使的葯物設計
二、調節第三信使的葯物設計
第三節基於基因調控機制的葯物設計
一、基於維甲酸受體和類維甲酸受體配基的葯物設計
二、基於過氧化物酶體增殖因子活化受體配體的葯物設計
三、基於維生素D受體配體的葯物設計
四、基於類固醇受體配體的葯物設計
五、基於抑制轉錄的葯物設計
第三章基於內源性生物活性肽的葯物設計
第一節肽類化合物的結構與功能
一、肽類化合物的結構特悉者氏征
二、機體中某些重要的內源性生物活性肽
第二節類肽的設計原理與方法
一、構型限制性氨基酸的設計
二、肽鏈骨架的修飾
三、二肽片段擬似物
四、整體公子構象的限定
五、肽二級結構的分子模擬
第三節類肽在葯物設計中的應用
一、腦啡肽類似睜散物
二、腎素抑制劑
第四章基於核酸原理的葯物設計
第一節核酸的生物合成
一、嘌呤核苷酸的合成
二、嘧啶核苷酸的合成
三、核苷二磷酸、核苷三磷酸及脫氧核糖核苷酸
第二節代謝拮抗類抗腫瘤、抗病毒葯物的設計
一、葉酸類抗代謝物
二、嘌呤類抗代謝物
三、嘧啶類抗代謝物
第三節核苷類抗病毒葯物的設計
一、基於核苷糖環修飾的葯物
二、基本核苷鹼基修飾的葯物
三、無環核苷
……
第五章以酶為靶點的葯物設計
第六章基於葯物代謝原理的葯物設計
第七章基於生物電子等排體原理的葯物設計
第八章基於組合化學庫的葯物設計
第九章基於化學基因組學的葯物設計
第十章計算機輔助葯物設計
第十一章新葯開發的基本途徑與方法
參考文獻
中英對照索引

C. 經典輔助葯物設計與傳統葯物設計的區別

經典輔助葯物設計與傳統葯物設計的區別介紹如下：

而計算機輔助葯物設計的一般原理是，首先通過X－單晶衍射技等技術獲得受體大分子結合部位的結構，並且採用分子模擬軟體分析結合部位的結構性質，如靜電場或塵、疏水場、氫鍵作用位點分布等信息。

然後再運用資料庫搜尋或者全新葯物分子設計技術，識別得到分子形狀和理化性質與受體作用位點相匹配的分子，合成並測試這些 分子的生物活性，經過幾輪循環，即可以發現新的先導化合物。因此，計算機輔助葯物設計大致包括活性位點分析法、資料庫搜尋、全新葯物設計。

D. 共價結合葯物的設計與開發【轉載】

https://med.sina.com/article_detail_103_2_46000.html
共價結合葯物的設計與開發

前言

圖1 經典的共價結合葯物

長久以來，親電性基團是葯物開發中的雷區，因而在以往經典的葯物化學教材中，總會建議避免在葯物分子結構中引入此類官能團，如環氧、吖啶、Michael受體等，因為其具有的高反應性，可能會與多種生物大分子相互作用，引起嚴重的毒副作用。早前的阿司匹林、蘭索拉唑、氯吡格雷(圖1)等在近年來的研究中發現，均以共價鍵形式與靶點作用。受此啟發，共價型葯物的開發慢慢進入人們的視野，在抗癌、抗病毒、糖尿病等多個領域內顯現出了非共價結合葯物難以匹及的優勢，如療效更為持久、治療劑量更低等、不易產生耐葯性等。

由於共價結合和非共價結合的作用機制不同，因而在研發過程採用傳統的評價指標，如解離常數、IC50、EC50等，難以真正體現其效能與安全性，這主要是因為葯物分子與靶點形成共價鍵受反應速率的影響，而非共價結合作用則僅是一個熱力學平衡過程，在短時間內就能顯現出化合物的活性，採用傳統的評價指標往往會造成誤判。

共價結合葯物和天然產物

圖2 具有親電活性的天然產物

從天然產物中發現新的葯物是新葯開發項目中常見的策略，而且有很多葯物都是基於這一方式發現的，如紫杉醇、喜樹鹼、嗎啡等，另外一種方式則是對天然產物進行結構修飾，得侍野咐到效果更佳的化合物，如從水楊酸到阿司匹林，從嗎啡到美沙酮，據統計，臨床上約佔60%的葯物都是基於上述策略得到的。雖然共價結合葯物是近幾年才熱門起來，在自然界中，這一概念卻並不罕見，青黴素、焦土黴素、磷黴素等一些抗生素都是以共價鍵的形式與細菌中的目標靶點相互作用。 利普斯他汀 是一種從鏈黴菌中分離出來的胰脂酶不可逆抑制劑，基於此天然產物，Roche開發出新型減肥葯 奧利司他 ，諸如此類的例子還有很多。

以上諸多天然產物的實例證明，共價結合作用是葯物設計中被忽視的寶地！葯物靶點大多數都是蛋白質，其中絲氨酸、賴氨酸、半胱氨酸、組氨酸等殘基中含有親核活性官能團(羥基、巰基、氨基等)，因而，蛋白質可以作為一個優良的親核體，可以與具有親電活性的基團發生作用，形成共價鍵。對於此類化合物的設計，最大的難點在於選擇脊鬧性，否則容易引起嚴重的副反應，造成開發失敗。

圖3 已上市共價結合葯物(標黃處為活性反應位點)

目前，約30%以酶為靶點的葯物採用共價結合形式，主要是因為這一設計理念是近幾年才被接受，在此之前，活性反應基團是葯物設計中盡可能避免的結構。 特拉匹韋 由Merck開發，在2011年獲得FDA上市許可，通過與HCV蛋白酶中具有催化作用的絲氨酸殘基(羥基)形成半縮醛，抑制其活性，從而實現抗病毒作用。最初該化合物在標準的IC50測試中，活性很差，幾近放棄，然而在特別設計的活性測試中，則表現優異，特拉匹韋的研發歷程深刻體現了在共價結合葯物的研發中，需要一套與傳統非共價結合葯物開發不同的評價方法。

另外一個比較經典的例子是EGFR受體不可逆抑制劑 阿法替尼 的開發(2013年上市)，其結構中的親電活性基團丙烯醯胺與EGFR受體活性位點中的半胱氨酸殘基(巰基)形成共價鍵，克服了第一代EGFR(吉非替尼、厄洛替尼等)受體抑制劑出現的耐葯性問題，同時對非耐葯性EGFR受體也表現出良好的活性。以上兩個成功的例子證明了共價結合葯物具有的潛力，另一方面，其研發過程也為共價結合葯物的發展提供了寶貴的經驗！

葯物-靶點結合歷程

圖4 共價葯物結合歷程

與非共價結合葯物相同的是，共價結合葯物首先與靶點相互作用，形成葯物-靶點結合物，由於此歷程屬於熱力學過程，因而能夠很快的達到平衡，其親和力老純可以用解離常數Ki或者IC50等參數進行描述。不同之處在於，第二步共價鍵的形成，與第一步相比，共價鍵的形成速率相對較慢，且存在一個反應平衡常數Ki*，因而，共價結合物葯物的總體結合情況需要考慮兩個參數：Ki以及Ki*。當krea遠遠大於krev-rea時，反應平衡常數趨向無窮大，可視為不可逆共價結合，當krea與krev-rea相差並不是很大，即Ki*在一個合理的數值范圍內，可視為可逆共價結合。

結合機理

圖5 常見活性官能團

葯物靶點大多數都是蛋白質，由於其結構中富含羥基、巰基、氨基等官能團，因而本質上可以作為親核試劑，共價結合化合物通常在結構中含有親電性官能團，如Michael受體，環氧、鹵素、羰基、異氰等結構(圖5)，可作為親電體，兩者相互反應形成新的共價鍵，其涉及到的反應類型主要有以下幾種： 醯化反應、烷基化反應、Michael加成、二硫鍵化、Pinner反應等 ，採用哪種共價鍵形成方式，取決於靶點結合位點的性質，總的來說，可以選擇的餘地較大。

圖6 埃索美拉唑作用機理

2014年，美國十大暢銷葯中，其中之一為 埃索美拉唑 (消旋體為奧美拉唑)。奧美拉唑在1970年代被開發出來，經過若干優化和臨床研究後，於1988年上市，兩年後才發現其質子泵抑製作用是基於共價鍵形式的，奧美拉唑在靶點附近經在酸性條件下活化，形成活性亞磺醯胺衍生物活性產物，然後與靶點中的半胱氨酸殘基(巰基)形成共價鍵，抑制胃酸的分泌。

圖7 氯吡格雷作用原理

另一個暢銷共價葯便是 氯吡格雷 ，它需要在肝臟內經P450氧化酶活化，生成含硫化合物，然後與P2Y12受體中的半胱氨酸殘基形成二硫鍵，抑制血小板凝聚。上述兩個葯物目前應用非常廣泛，而且在最初設計的時候並不是以共價鍵作用形式，只是在後來的機理研究中發現，是以共價鍵作用與靶點結合，產生不可逆的抑製作用。

圖8 沙格列汀作用機理

含有氰基的化合物，通常在與蛋白中的親核性官能團如羥基、巰基發生Pinner反應，形成亞胺酯鍵，通常該類共價鍵是可逆的，比較成功的例子如DPP4抑制劑沙格列汀和維格列汀等，用於II型糖尿病的治療。除此之外還有奧當卡替，用於絕經後婦女骨質疏鬆症的治療，但由於其潛在的中風風險，2016年Merck宣布放棄該化合物。

至於其他的幾種共價結合機理，如烷基化、醯基化、Michael加成等，在此不一一列舉，其本質都是生物大分子中的親核性基團與葯物分子中的親電基團進行相互作用。

選擇性的控制

圖9 奧西替尼(泰瑞莎)的開發

共價結合葯物的選擇性至關重要！在選擇性的問題上，目前比較常見的策略是，首先設計對目標靶點具有高度選擇性非共價結合作用先導物，然後在此化合物的基礎上，進行活性反應官能團的優化設計，即先找到合適的「彈殼」，然後再加裝合適的「彈頭」。比較典型的例子如奧西替尼的開發，最初得到的先導化合物1在體外靶點結合實驗表現出了優異的結合性，但是在細胞實驗中其親和性驟降了近70倍之多，可能是因為細胞中高濃度ATP與其競爭性的靶點結合所導致的，因而採用不可逆的共價結合作用策略，成功開發出第三代肺癌靶向葯奧西替尼，該葯於2017年獲得FDA和歐盟的上市許可，同年獲得CFDA的上市許可。除上述提及的策略外，還可以通過人體不同組織的理化特性實現選擇性，如奧美拉唑，由於其需要在強酸性條件下才能活化，因而可以選擇性的作用於質子泵。

圖10 非共價作用穩定的共價葯物設計

另外，通過精心設計的親電性基團也能實現選擇性。如圖10所示，α-氰基取代丙烯醯胺與巰基的Michael加成為可逆過程，在特定的靶點中，由於其他氨基酸殘基的非公價作用，可以穩定該加成產物，而其他非目標靶點不能實現該效應，從而實現選擇性，當然該策略需要有非常強的生物信息學支撐，否則難以實現。

毒性問題

雖然共價結合葯物設計策略目前日趨成熟，但其風險仍然不容小覷，尤其是不可逆的共價結合作用。由於小分子化合物與靶點形成新的共價鍵，因而會導致蛋白結構的變化，存在免疫反應的可能性，但此類報道較為罕見。脫靶效應也是引起毒性的重要原因，針對此問題，提高化合物的選擇性以及較低的治療劑量是行之有效的解決方案。

小結

目前大多數的共價結合葯物集中在抗癌領域，但是隨著技術和理論的日趨成熟，此類葯物將在越來越多的疾病領域大顯身手。

參考資料

1、Cesco, Stephane De, et al. "Covalent inhibitors design and discovery." European Journal of Medicinal Chemistry 138(2017):96-114.

2、Rand M. Miller, Ville O. Paavilainen, Shyam Krishnan, Iana M. Serafimova, Jack Taunton. "Electrophilic Fragment-Based Design of Reversible Covalent Kinase Inhibitors." Journal of the American Chemical Society 135.14(2013):5298.

3、Baillie, Thomas A. "Targeted Covalent Inhibitors for Drug Design." Angewandte Chemie International Edition 55.43(2016):13408-13421.

4、Lagoutte, R, R. Patouret, and N. Winssinger."Covalent inhibitors: an opportunity for rational target selectivity." Current Opinion in Chemical Biology 39(2017):54-63.

5、Ward, R. A., et al. "Structure- andreactivity-based development of covalent inhibitors of the activating andgatekeeper mutant forms of the epidermal growth factor receptor (EGFR)." Journal of Medicinal Chemistry 56.17(2017):7025-48.

E. 《葯物設計學》txt下載在線閱讀全文,求百度網盤雲資源

《葯物設計學》（仇綴百）電子書網盤下載免費在線閱讀

鏈接:

pdf" data_size="8.08M" data_filelogo="https://gss0.bdstatic.com//yun-file-logo/file-logo-6.png" data_number="1" data_sharelink="https://pan..com/s/1ih3okxAuN11j1tNfRsmtqQ" data_code="my2b">

書閉塵名：葯物設計學

作者：仇綴百

出版社：高等教育出版社

出版年份：1999-11

頁數：296

內容簡介：

「葯物設計學」是一門新興學科，涉及新葯研究開發的程序和要求，其目標是不斷發現、設計和完善防治疾病的葯物品種，闡述的主線是先導化合物衍生的兩條途徑和優化過程以及有關的理論和方法，從而探索合理葯物設計和組合化學技術相結合所形成的整體性策略。教材編寫以實踐論為指導，突出適合「啟發式」教學的課程內容，使學生在掌握知識的同時，培養自己的獨立思考和創造才能。

本教材除導論外共分4章：先導化合物、葯物設計原理和方法、酶抑制劑和肽擬似物以及計算機輔助葯物設計。主要內容包括葯物發現實踐中形成的原理和方法，如受體理論、前葯原理、代謝拮抗原理、重物電子等排原理、拼合原理、酶抑制劑、軟葯和類似物設計等；突出如學科發展的前沿領域，如涉及以組合化學為基含敏礎的群集篩選，生命科學指導下的信號傳導途徑的調控，疾病機理和葯物靶點研究，轎老禪糖科學和糖類葯物，擬肽設計以及以計算機輔助葯物設計的理論基儲實驗方法、軟硬體介紹和應用實例。書末附有索引用的專業英語詞彙和葯名。各章後列出相關的主要參考文獻閱讀材料。

F. 《葯物合成反應》pdf下載在線閱讀，求百度網盤雲資源

《葯物合成反應》（聞韌）電子書網盤下載免費在線閱讀

資源鏈接：

鏈接：https://pan..com/s/1Z62BLoVlWK0OEF1z3sdsnw

書名：葯物合成反應

作者：聞韌

豆瓣評分：9.0

出版社：化學工業

出版年份：2003-1

頁數：0

內容簡介：

本書為我國高等院校葯學和有關生物醫葯、制葯專業的教材，前七章主要介紹鹵化、烴化、醯化、縮合、重排、氧化和還原等單元有機合成反應的本質和應用，第八章為合成設計原理。為了突出葯物合成中反應物的骨架、官能團或化學鍵變化的基本特徵，各章內容均按不同官能團化合物的反應來列題編排，對各類反應在闡明其機理基礎上，討論反應物的結構、反應條件和反應產物之間的關系，介紹其應用特點；極大多數反應實例均註明主要試劑、反應條件和文獻來源，每章末附有參考書目和150篇左右參考文獻。書末還附有重要縮略語表和重要人名反應和試劑索引，便於讀者根據需要從不同角度查閱本書內容。本書除可供高等院校葯學、生物醫學、制葯工程以及化學系有機專業的師生作教學用書外，也可供從事生物醫葯、制葯和葯物合成及其他精細化學品的科研、生產的技術人員作科技參考書。

G. 《分子模擬與計算機輔助葯物設計》pdf下載在線閱讀全文，求百度網盤雲資源

《分子模擬與計算機輔助葯物設計》網路網盤pdf最殲衡新全集下載:
鏈接：https://pan..com/s/10zReojLmQWIwm9Zjy6U7fA

簡介：科學技術是第一生產力。21世紀，科學技術和生產力必將發生新的革命性突破。本書詳細介紹了分子模擬的數學、生物學、物理和化學基升改基礎，分子模擬的演算法，蛋白質結構的模擬，葯物設計的基本方法和信息系吵謹統等內容。

H. 人工智慧葯物設計

人工智慧（AI）正越來越多地被應用於葯物研發過程中。一些觀點認為人工智慧可以極大地促進葯物研發緩核廳，而另外一些則仍然持保守態度，在觀望AI技術的影響。現實中大多數人的態度可能處於此兩者之間，但是很明確的一點是AI技術給科學家以及生物制葯行業都帶來了極大地影響。本文就小分子葯物研發中AI技術的應用，對眾多國際專家的觀點進行了歸納和總結。

除了技術問題外， 人工智慧在葯物研發中的成功應用的最大挑戰還在於培養相關人員的適當思維方式以及相對應的文化氛圍，以使他們願意應用這些計算模型並使用其結果。 在葯物設計領域中，利益相關者包氏段括來自各個學科的研究人員以及商人，各方對機器學習的認知程度並不相同。要做到這一點，首先要認識到各個利益相關者的不同經歷，然後發展通用的術語和規范。在大學層面上要促進這種趨勢則需要教育擾隱和指導學生進行批判性思維，使其變得自我反省，包容其他的思維方式，學生就可以向同事（包括其他研究領域的人員）或者廣為廣闊的受眾來解釋AI可以在哪些領域進行擴大以及支持相關的發展（而不是進行替代）。

制葯公司已經開始應用AI相關技術以及各種機器學習方法，但是並沒有將全部的賭注都壓在AI上面，這是可以理解的。考慮到葯物研發的復雜性和受監管的特性，建議採取一種好奇而謹慎的態度進行嘗試。在葯物設計中開發AI應用程序時需要長期的時間，但AI可以提高所涉及的各個研究過程的效率，並減少研究文化之間的壁壘。

分子描述符和分子指紋

1.1 分子描述符和分子指紋概念

1.2 分子描述符類別和特點

1.3 分子指紋的類別和特點

2. 分子描述符/指紋計算軟體

2.1 分子表示方法和格式

2.1.1 SMILES，SMARTS，SDF, MOL, MOL2, PDB

2.1.2 JEM Editor, Chemdoodle, ChemAxon, ChemDraw, DrugBank

2.2 RDKit簡介及環境部署

2.3 RDKit中如何操作分子

2.4 RDKit中描述符的計算以及存儲

2.5 OpenBabel簡介及環境部署

2.6 OpenBabel操作分子和格式轉換

2.7 OpenBabel中的分子描述符和指紋

2.8 ChemDes計算分子描述符和

2.9 ChemDes計算分子指紋

2.10 ChemDes中的格式轉換

2.11 ChemDes中的分子優化

2.12 PyBioMed 簡介環境部署

2.13 PyBioMed 獲取分子

2.14 PyBioMed 計算分子描述符

2.15 PyBioMed 計算分子指紋

2.16 PyBioMed 計算蛋白質描述符

2.17PyBioMed 計算核酸描述符

2.18 PyBioMed 計算相互作用描述符

結構預處理和數據預處理

3.1 PyBioMed結構預處理

3.2 ChemSAR結構預處理

3.3 KNIME 結構預處理

3.4 Excel數據預處理及注意的問題

3.5 KNIME數據預處理

3.6 Pandas環境配置以及基本操作

3.6 sklearn數據預處理

3.7 歸一化與空值處理

演算法簡單介紹和分類

4.1 葯物設計中人工智慧常用演算法簡介

4.2 常用演算法實現軟體或工具介紹

5. KNIME軟體介紹

5.1 KNIME軟體特色和界面

5.2 KNIME軟體構建基本計算任務

5.3 KNIME軟體社區支持

5.4 KNIME軟體定製化插件

5.5 KNIME軟體第三方支持

特徵選擇

6.1 基於sklearn的特徵選擇

6.1.1 相關性分析，相關性繪圖

6.1.2 單變數特徵選擇及選擇K個特徵

6.1.3 遞歸式特徵刪除

6.2 基於KNIME流程的特徵選擇

6.2.1 相關性分析，相關性繪圖

6.2.2 單變數特徵選擇

6.2.3 遞歸式特徵刪除

7. 模型的評價與解釋

7.1 回歸模型和分類模型的評價指標

7.2 應用域的評估

7.3 基於樹的模型的解釋

ADMET介紹

8.1 ADMET概念以及意義

8.2 基於人工智慧的ADMET虛擬評價方法的進展

8.3 ADMET計算資源（ADMETlab、ADMETsar等）

9. KNIME軟體構建ADMET模型

9.1 KNIME軟體配置相關插件

9.2 caco-2細胞滲透性數據概覽

9.3 結構預處理

9.4 描述符和指紋計算

9.5 SVM模型構建以及參數調整

9.6 RF模型構架及參數調整

9.7 RNN模型構建以及簡單超參數調整

10. ADMET計算軟體和實操

10.1 ADMETlab（v1.0 與v2.0）計算平台使用

10.2 admetSAR計算平台使用

10.3 本地模型調用以及預測

雜訊過濾和相似性搜索

11.1 FAFDrugs4過濾

11.2 指紋和相似性度量計算

11.3 Swiss-Similarity相似性搜索

12. 機器學習模型構建和預測

12.1 收集GRK2化合物（講解過程）

12.2 計算合適的分子表徵

12.3 演算法和特徵選擇

12.4 模型構建和評價

12.5 應用模型篩選化合物庫

13. 分子對接

13.1 蛋白質預處理

13.2 小分子預處理

13.3 可應用Swiss-Dock對接

14. ADMET評估

14.1 ADMETlab計算並評估

14.2 確定相關性質的參考范圍

14.3 評估並確定Hits.

I. 基於結構的葯物設計決策：對接結果的目測決策（Visual Inspection）

摘要： 分子對接是葯物開發中廣泛使用的計算機技術，因其簡單的采樣和打分函數使得其結果變得不精確，常需要葯物化學家通過經驗判斷結果的可靠性。雖然分子對接對於葯物化學家來說是非常重要的工具，鮮有相關文獻提出對接結果分析的指南，本文通過總結葯物化學相關文獻，試圖尋找目測分析對接結果的通用規則，並著重分析這一規則使用的成功案例和其使用的局限性。本文收集了來自學界和工業界的93個專家關於如何目測分析對接結果並據此作出決策的觀點，希望對指導年輕的葯物化學家在鑒別他們的化合物的時候起到幫助。

前言： 基於結構的大型數字化合物庫的虛擬篩選和配體結合模式分析已成為現代葯物開發悶祥的計算流程中關鍵內容。其不僅僅可以發現靶向特定靶標的潛在化合物，同時也幫助解釋實驗觀測到的構效關系（SAR），故而基於結構的計算機技術被運用於葯物研發的各個階段。虛擬篩選因為成本低廉，具有發現潛在先導化合物的潛力和能分析配體蛋白作用機制而廣受歡迎，其關鍵技術是分子對接。這一技術通過配體對接構型（pose）鑒別那些可以很好結合蛋白的配體，並且通過打分函數評估其相互作用的強度。通常為了提高效率，打分函數被設計得較為簡單，其無法正確對合理的pose進行排序和無法有效的預測相對或者絕得結合自由能限制了分子對接技術的運用。而且，還因為誘導契合現象的存在導致了分子對接結果的不可靠性增加，因為分子對接中常將配體和蛋白視為剛性的對象，基於此的對接打分並不精確。此外，配體分子內的相互作用也存在病態模式，如扭曲的醯胺基團、分子內結構碰撞或者不合理的3D構型，都是分子對接無法合理處理的問題。另外一個影響分子對接性能的重要因素是初始的輸入結構，涉及配體的質子化態和旋轉異構體處理，受體的酸性和鹼性氨基酸的質子化態的處理，以及谷氨醯胺、天冬氨酸和組氨酸的側鏈在結合態時的翻轉情況。基於上述各種情況，虛擬篩選常常伴隨著大量的假陽性hit。因此研究者提出了一系列改進技術，包括分子動力學模擬（MD）後進行MM/GSBA結合自由能計算，煉金術結合自由能計算（ABFE）或者現代機器學習計算，但葯物化學家目測分析對接結果才螞嫌搏是提高成功尋找先導化合物的最為重要的一環。最近一篇綜述提出他們分析的250篇虛擬篩選的文章中有一半都進行對接結果的目測分析，並且認為結合了任何的合理的經驗判斷的結果分析都優於僅靠對接函數得到的結果。當前，也有一些工具被開發出來用於輔助決策，這些工具採用相互作用指紋、骨架對接或者通過多個同類化合物結合模式比較來輔助對接結果的分析和決策，例如PlayMolecule,但是這些方法都是新近才被提出來，其可靠性有待檢驗。

目測決策在對接研究中有很多成功案例，以及評估重對接（redock）和交叉對接可靠性分析，如RMSD分析中目測決策也常被使用，但是這些案例的使用標准較為含糊和特異性。最近一篇綜述著重分析了葯物化學家根者攜據親和力、選擇性、葯代動力學、結構生物學和計算機結構多方面的大量數據進行決策判斷，最後作者提出基於這些數據分析得出的結果可能因為分析的葯物化學家本身的經驗、背景知識和訓練的不同而產生差異。這一差異在對接pose的目測決策中同樣可能存在，因此詳細的概述相關的規則和標準是非常必要的。本文分析了目測決策中通用規則，及其成功運用的案例和局限性，並且還統計了從事計算葯物化學的專家們關於對接pose的目測決策的一致性和差異性標准。希望對更為廣泛的討論目測決策的使用和最佳策略打下基礎，以及為年輕的科學家們提供指導。

目測決策中最常被評估的標准便是化合物和結合位點的空間互補性。等溫滴定熱力學實驗（ITC）表明包埋的非極性表面和配體的結合自由能存在相關性，合理的基於結構的葯物優化中發現部分缺失的互補性可以知道配體的擴增和修飾。一些研究提出形狀契合可以衍生基於理化性質的為靜電的和疏水性的互補，使得這一標准更為具體。

另一個目測決策標準是配體和蛋白間的氫鍵，由於其相對強度和清晰的幾何定義，氫鍵也最易在目測決策中被識別出來，而且對配體和蛋白結合的親和力和選擇性非常重要。目測決策中與結合位點特定氨基酸的氫鍵作用常被用於和晶體結構或者具有類似化學結構的化合物進行比較。例如在酶抑制劑的設計中與催化位點的特殊相互作用對於抑制酶活和抑制耐葯是非常重要的。氫鍵的強度和穩定性影響親和力，由於氫鍵的去溶劑化效應和靜電特性在疏水表面的氫鍵相比溶劑可及區氫鍵更有利於提高結合自由能。這一點在鹽橋上表現明顯，位於溶劑可及區的鹽橋通常由於帶電氨基酸的去溶劑化效應對結合自由能的貢獻變得微不足道。與蛋白質骨架形成的氫鍵比與側鏈形成的氫鍵更強，且不容易受到突變的影響。主鏈氫鍵因為相對剛性，側鏈位移引起的焓損失變少，因此在目測決策中這一情況應當不容忽視。除去已形成的氫鍵，哪些沒有滿足配對的氫鍵供體或者受體也應當被考慮目測決策，因為這些基團由於沒有去溶劑化的能量懲罰的代償相互作用，會導致結合自由能的下降。金屬蛋白抑制劑與金屬的不同的相互作用對其親和力影響十分重要，如圖1A所示，有趣的是弱氫鍵、鹵鍵、正交偶極相互作用或者醯胺-π相互作用很少在這一環境中被提及，但是越來越多的研究表明這些非經典的弱相互作用是不可忽視的。

溶劑效應是蛋白-配體相互作用的熱動力學主要貢獻者。結合過程中，水分子被配體從溶劑化的口袋中替換，當水分子被替換時配體與蛋白形成強的相互作用，增強了熵，有時也增強了焓，但是當水分子與蛋白形成較強的相互作用時，被替換可能影響結合自由能，且有些水分子參與到配體與蛋白的結合，形成水橋調節配體與蛋白質的結合，這些情況均需要在目測決策的時候進行充分考慮。對於水分子的多重角色的判斷即使是進階專家也需小心對待。此外對於處於未結合態的蛋白質的結合口袋的溶劑化也應當被慎重考慮。對於水分子替換時對熵和焓的影響的評估，目前有動力學模擬和神經網路等方法對對接結果進行判斷。另外，通過判斷暴露在溶劑區的配體基團也是目測策略評估的標准之一，一些明顯的疏水基團如果突出在溶劑區通常被認為是不利於結合的，除非他們與蛋白質有相互作用。

溶劑效應是蛋白-配體相互作用的熱動力學主要貢獻者。結合過程中，水分子被配體從溶劑化的口袋中替換，當水分子被替換時配體與蛋白形成強的相互作用，增強了熵，有時也增強了焓，但是當水分子與蛋白形成較強的相互作用時，被替換可能影響結合自由能，且有些水分子參與到配體與蛋白的結合，形成水橋調節配體與蛋白質的結合，這些情況均需要在目測決策的時候進行充分考慮。對於水分子的多重角色的判斷即使是進階專家也需小心對待。此外對於處於未結合態的蛋白質的結合口袋的溶劑化也應當被慎重考慮。對於水分子替換時對熵和焓的影響的評估，目前有動力學模擬和神經網路等方法對對接結果進行判斷。另外，通過判斷暴露在溶劑區的配體基團也是目測策略評估的標准之一，一些明顯的疏水基團如果突出在溶劑區通常被認為是不利於結合的，除非他們與蛋白質有相互作用。

在配體與蛋白形成復合物過程中，均需會調整構象彼此契合，據統計約25%的蛋白質在與配體結合過程中具不同程度的誘導契合現象，也有研究提出90%的蛋白質在這一過程中存在旋轉異構變化。配體或者蛋白質在這一過程中的能量變化成為應變能，而典型的對接函數並不能計算這一能量項。如圖1D所示，由於對接將蛋白視為剛性，常導致配體無法合理與之契合。因此在對接過程中需要考慮其構象的應變，合理的建議是使用對接時將蛋白質視為柔性的，採用柔性對接和利用動力學模擬處理對接後構象。然而高昂的計算代價不適用於大批量的虛擬篩選任務，一般適用於個別的先導化合物的優化。

蛋白-配體復合物的先驗知識可以幫助確定對接pose的質量，最直接的方式是通過觀測所研究靶點可獲得的晶體結構與已知配體結合模式，來評估對接的合理性。有研究表明利用自帶配體的復合物來優化對接程序可以提高性能，也有研究表明同源的靶標在結合配體的模式上具有一些共同特徵，這一觀點可以用於目測決策中。

目測決策作為實驗測試優勢化合物前的最後一步，也是計算機篩選最為關鍵的一步，表1概況了一些研究在目測決策發現親和配體中所使用的標准，正如前面提到的最常用的標準是配體與結合位點的互補性、疏水作用和氫鍵作用。而且與特定氨基酸或者輔因子的作用也經常被考慮，這一標准通常基於具有可觀測的晶體結構，或者針對同一靶標的不同配體間的比較。構象的扭曲度也在目測決策的考慮范圍內，因為對接采樣通常將醯胺鍵和酯鍵扭曲至不合理構象，而且也無法正確處理順反異構。

但是與保守水分子或者晶體水分子的相互作用對於配體的選擇性很少被提及，化學多樣性、新穎性和可獲得性也非目測決策的直接考慮范圍之內。運用目測決策的研究鮮有詳細闡述其判斷標准，接下來本文將著重分析在目測決策標準的可行性。Seeliger等利用計算機庫對β-內醯胺酶（β-lactamases）和多巴胺D4受體進行超過17億化合物的虛擬篩選，研究者分析發現在篩選過程中採用了目測決策得到的化合物親和力遠超未使用目測決策的化合物。在葯物設計數據資源（Drug Design Data Resource, D3R）比賽上，那些排名靠前的提交任務中，大部分依賴於人為的干預，如表2所示。

雖然人為干預優勢明顯，但是目測決策局限性也同樣突出。尤其明顯的是決策者或者團隊的專業素養和直覺對於結果的影響巨大，且在有限的時間內只能觀測少數的的構象也限制了目測決策的運用，有研究表明在研究化合物數量在100-300范圍時，目測決策少於100個化合物是合理的，也有人說目測決策化合物應當在≤1500個范圍內，超過這一限制將非常耗時。

此外對接程序固有的缺陷無法單獨通過目測決策修正，尤其是誘導契合現象的存在，大批量的對接往往由於效率的考量而將蛋白設為剛性對象，忽視了結構適配和誘導契合。基於此的目測決策也只是在靜態視角進行判斷。另外，熵損失和去溶劑化自由能也很難通過目測決策評估。簡單的打分函數也無法精確計算熵效應和去溶劑化作用，更別說熵和焓之間的代償效應。因為目測決策的局限性，常需要結合動力學模擬來進行分析。有研究表明在對接後利用動力學模擬和MM/GBS計算可以提高預測親和力的准確性，但是這一方法也具有案例特異性，無法體現在所有的體繫上。當前自由能微擾（Free energy perturbations，FEP）被認為是計算結合自由能最精確的計算方法。盡管這方面的研究一直在進行，一些研究提出了改善計算溶劑化效應的方法，但是Hou等人評估了10款常見的對接程序發現，即使是最好的打分函數也只能鑒別出60%的合理對接構象。

前文提到葯物化學家在考慮優勢化合物時存在明顯差異，並不讓人意外，因為目測決策考慮的因素是多維度的，為了更為詳細的探討這一問題，本文統計了93為來自學術界和工業界的葯物化學家們的觀點，其中71位來自學術界，20位來自工業界，另外兩位來自非盈利政府機關組織。主要考慮以下三方面：1）參與者的專業和經驗；2）目測決策中使用的工具和標准；3）設定了3個復合物結合模式評估的比賽。均通過郵件或者領英在線調查，參與者均在最近發表過基於結構的葯物設計相關的同行評議的文章。參與者最多的是計算化學家，其次是葯物學家，最後是化學信息學家，參與者超過半數人具有計算機輔助分子設計十年以上的經驗，保守估計加起來超過600年！！！參與者對目測決策在葯物設計中的重要性給出了評分（1到5），其中給出4分的佔29.0%，5分的佔64.5%。下圖展示了參與者的相關投票。

本文重點分析了目測決策中評估對接pose質量標準的重要性，下圖可知形狀契合度排位靠前，目測決策中其最容易做出判斷是其作為常用考慮標準的原因之一，預測結合模式與晶體結構結合模式的相似性也排列首位，表明參與者認為其與形狀契合度同等重要，其次重要的是配體與蛋白結合位點的特定氨基酸的作用。有趣的是工業界的專家認為相似性標准更為重要，且構象限制和未滿足雜原子的考慮優先順序也高於學術界的專家。

經驗豐富的專家和工業界專家更傾向於認為蛋白質中為滿足的氫鍵供體和受體在目測決策中具有較高的考慮優先順序。經驗豐富的專家在考慮水分子替換的優先順序上也高於其他參與者。有趣的是對接分數在優先順序打分中排最低，尤其是來自工業界的專家認為對接打分最不重要。可見工具的准確性似乎影響了它在專家們中的歡迎度。

給專家提出的預測結合模式的挑戰中，第一個是（5-吡啶-3-基呋喃-2-基）-甲胺與P450 2A6結合模式預測，其末端氨基位於輔因子下方與Fe離子形成靜電相互作用（圖A上），使得配體相比於未結合態是pKa明顯下降，處於不帶電荷狀態，且其質子化態促使它由pH8.5向中性轉變。為了預測需要，調整了復合物構象，讓吡啶環的氮位於金屬離子下方參與相互作用後讓參與者進行預測，意外的是一些參與將調整後的構象預測為其正確的結合模式（圖A下），只有46.2%的參與者正確識別出了原本結合模式。

可以理解，這中氨基的質子化態不常見，且吡啶環也常常參與到CYP450的輔因子相互作用中，脂肪胺的鹼性沒有芳香胺的鹼性高，從而在特定情況下影響了其結合模式。經驗較少的參與者更能選擇正確pose的也相對少於經驗豐富的專家，選擇了正確pose的參與者主要考慮吡啶環的N與其他氨基形成的氫鍵相互作用，以及質子化氨基不適合放置在疏水性的口袋。而採用了MM/GBSA評估的參與者多能正確識別出原本的pose, MM/GBSA可以很好的區分靜電作用和疏水作用造成的能量改變。

另外一個例子為1-（5-甲基噻吩-2-基）-3-吡啶-3-基脲與SARS-CoV-2蛋白結合模式的確定。提供了兩種結合模式，一種是原本的結合pose（上圖B上），另一種是利用Glide SP對接得到的pose（圖B下）。在這一案例中，有63.4%的參與者識別出了正確的結合模式，而36.6%的參與者選擇了錯誤的結合模式。而且這案例中，對接結果的均將錯誤的結合模式識別為原本結合模式，再一次說明不經過目測決策的對接結果的不可靠性。識別出正確結合模式的參與者主要考慮的是性質切合度和與蛋白質主鏈氫鍵結合強度，而未識別出正確結合模式的參與者則認為應當考慮配體構象限制和氨基吡啶的移動。而使用了MM/GBSA計算的參與者均正確識別出了原本結合模式，也說明了使用MM/GBSA的優勢。

第三個例子是不可逆抑制劑與RORγ結合模式預測，提供了兩種相似結合模式供選擇，區別在於末端的芳香環的移動，使得原本結合模式中磺胺基團包埋在結合位點（圖C上），用對接製作的模式中磺胺基團部分暴露在溶劑區。意外的是雖然大部分參與者識別出了正確的結合模式，但是仍然有40%的參與者選擇了錯誤的結合模式。正確模式的識別有賴於通過目測決策的氫鍵作用、疏水作用和結構互補性標準的運用，然而選擇錯誤結合模式的參與者認為應當考慮磺胺基團的親水特性。在這一案例中，對接程序可以很好的識別出正確的結合模式，但是MM/GBSA預測兩種結合模式的結合自由能相近，這或許說明其存在兩種合理的結合模式，而只是其中一種模式被很好的解析出來而已。

因為對接程序固有的缺陷，使得目測決策在選擇優勢化合物中至關重要，本文基於葯物化學相關分析提出了目測決策所需考慮的標准，並且通過三個例子考驗了93位相關領域的專業人士，認為在多數情況下人為干預篩選優勢化合物可顯著提升篩選對接篩選的精確性。在目測決策的標准中使用的最多的是結構互補性、氫鍵作用和疏水相互作用。當然也討論了人為干預的局限性包括可以被正確評估的構象數量、決策者的經驗水平、以及蛋白質柔性和去溶劑化效應評估困難幾個方面。同時為了給以後討論這方面的問題打下基礎，本文還統計來自相關領域專家在目測決策中考慮的標準的優先順序，希望為年輕的研究者提供一些參考。

參考文獻

Fischer A, Smieško M,Sellner M, et al. Decision Making in Structure-Based Drug Discovery: VisualInspection of Docking Results [J]. Journal of Medicinal Chemistry, 2021, 64(5):2489-2500.

Wang Z, Sun H, Yao X, et al. Comprehensive evaluation often docking programs on a diverse set of protein–ligand complexes: theprediction accuracy of sampling power and scoring power[J]. Physical ChemistryChemical Physics, 2016, 18(18): 12964-12975.

J. 《葯物設計學》pdf下載在線閱讀，求百度網盤雲資源

《葯物設計學》（仇綴百）電子書網盤下載免費在線閱讀

鏈接：https://pan..com/s/1Ezfpf8UNmdWSp_vm65XLlw

書名：葯物設計學

作者：仇綴百

出版年份：2008-6

頁數：306

內容簡介：

《全國高等學校葯學類規劃教材·葯物設計學(第2版)》為普通高等教育「十一五」國家級規劃教材。「葯物設計學」是一門新興學科，發展很快，《全國高等學校葯學類規劃教材·葯物設計學(第2版)》第2版中近2／3的內容是新增和修訂的，但闡述的主線仍然是先導物衍生的兩條途徑——篩選和合理葯物設計（包括基於靶點、性質和結構的葯物設計）以及與此相關的理論和方法。《全國高等學校葯學類規劃教材·葯物設計學(第2版)》中基於靶點、基於性質的葯物設計以及虛擬篩選方法的內容是適合新世紀葯物發現的全新內容，屬葯物設計前沿領域，適合學生素質教育和創新思維培養。計算機輔助葯物設計、先導物優化以及組合化學和高通量高內涵篩選，是關於葯物設計的方法學研究，在介紹原理和技術的同時以巧妙運用的實例進行重點闡述。《全國高等學校葯學類規劃教材·葯物設計學(第2版)》取材新穎，重點突出，圖文並茂，能滿足教學需要。

各章後附有相關參考文獻和閱讀材料以及書末列出的教材中常用縮略語和具有實用價值的常用資料庫網址，專業英語詞彙及索引，供查閱和學習提高之用。