AI药物设计与新药先导化合物筛选
过去几年里，以人工智能为代表的新技术的引入，通过利用自然语言处理、深度学习、机器学习和图像识别等对传统的计算机辅助药物设计带来显著的效率提升，并极大地增加了研发成功的可能性。但是AI药物研发也面临着急需要解决的问题，AI药物研发兼具信息科技和医药双重属性，需要AI的人才也需要懂药物研发的人才，需要培养一批具备交叉学科的复合型人才队伍。
计算机辅助药物设计是通过计算机模拟、计算和预算药物与受体生物大分子之间的关系，设计和优化先导化合物的方法；近年来，计算机辅助药物设计已经取得一定成就，特别是在新冠肺炎爆发后，很多研究机构和企业采用计算机辅助药物设计方法辅助进行了很多研究工作。在新型冠状病毒的治疗方案中，通过同源建模方法发布了新冠病毒的三维结构，通过药物靶标预测、筛选出针对新型冠状病毒的药物，通过一系列计算机辅助药物生物计算的方法发现一大类药物分子可以有效阻止新冠病毒的侵染，为治疗新冠提供了新机理和新思路。
人工智能药物设计与新药先导化合物专题docs.qq.com/pdf/DWGViRVliVW5rYlhS
一：AI药物设计
1. 分子描述符和分子指纹
1.1 分子描述符和分子指纹概念
1.2 分子描述符类别和特点
1.3 分子指纹的类别和特点
2. 分子描述符/指纹计算软件
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简介及环境部署
2.3 RDKit中如何操作分子
2.4 RDKit中描述符的计算以及存储
2.5 OpenBabel简介及环境部署
2.6 OpenBabel操作分子和格式转换
2.7 OpenBabel中的分子描述符和指纹
2.8 ChemDes计算分子描述符和指纹
2.9 ChemDes中的格式转换和分子优化
2.10 PyBioMed 简介环境部署
2.11 PyBioMed 获取分子
2.12 PyBioMed 计算分子描述符
2.13 PyBioMed 计算分子指纹
2.14 PyBioMed 计算蛋白质描述符
2.45PyBioMed 计算核酸描述符
2.15 PyBioMed 计算相互作用描述符
3. 结构预处理和数据预处理
3.1 PyBioMed结构预处理
3.2 ChemSAR结构预处理
3.3 KNIME 结构预处理
3.4 Excel数据预处理及注意的问题
3.5 KNIME数据预处理
3.6 Pandas环境配置以及基本操作
3.6 sklearn数据预处理
3.7 归一化与空值处理
4. 算法简单介绍和分类
4.1 药物设计中人工智能常用算法简介
4.2 常用算法实现软件或工具介绍
5. KNIME软件介绍
5.1 KNIME软件特色和界面
5.2 KNIME软件构建基本计算任务
5.3 KNIME软件社区支持
5.4 KNIME软件定制化插件
5.5 KNIME软件第三方支持
6. 特征选择
6.1 基于sklearn的特征选择
6.1.1 相关性分析，相关性绘图
6.1.2 单变量特征选择及选择K个特征
6.1.3 递归式特征删除
6.2 基于KNIME流程的特征选择
6.2.1 相关性分析，相关性绘图
6.2.2 单变量特征选择
6.2.3 递归式特征删除
7. 模型的评价与解释
7.1 回归模型和分类模型的评价指标
7.2 应用域的评估
7.3 基于树的模型的解释
8. ADMET介绍
8.1 ADMET概念以及意义
8.2 基于人工智能的ADMET虚拟评价方法的进展
8.3 ADMET计算资源（ADMETlab、ADMETsar等）
9. KNIME软件构建ADMET模型
9.1 KNIME软件配置相关插件
9.2 caco-2细胞渗透性数据概览
9.3 结构预处理
9.4 描述符和指纹计算
9.5 SVM模型构建以及参数调整
9.6 RF模型构架及参数调整
9.7 RNN模型构建以及简单超参数调整
10. ADMET计算软件和实操
10.1 ADMETlab（v1.0 与v2.0）计算平台使用
10.2 admetSAR计算平台使用
10.3 本地模型调用以及预测
11. 噪声过滤和相似性搜索
11.1 FAFDrugs4过滤
11.2 指纹和相似性度量计算
11.3 Swiss-Similarity相似性搜索
12. 机器学习模型构建和预测
12.1 收集GRK2化合物（讲解过程）
12.2 计算合适的分子表征
12.3 算法和特征选择
12.4 模型构建和评价
12.5 应用模型筛选化合物库
13. 分子对接
13.1 蛋白质预处理
13.2 小分子预处理
13.3 可应用Swiss-Dock对接
14. ADMET评估
14.1 ADMETlab计算并评估
14.2 确定相关性质的参考范围
14.3 评估并确定Hits.
二：先导化合筛选
1. 运用全新筛选策略快速发现新药先导化合物
1.1全新筛选策略的基本原理
1.1.1 基于药效团模型的虚拟筛选方法
1.1.2 基于分子对接的虚拟筛选方法
1.1.3 全新先导化合物的筛选方法
1.2 全新筛选策略全新方法-用于先导化合物的快速发现
2. 小分子数据库的构建及类药性筛选
2.1 三维数据库的构建
2.1.1 二维数据库的构建和转换
2.1.2 三维数据库的生成
2.1.3 三维数据库的加氢加电荷和能量优化
2.1.4 三维数据库的多构象生成
2.1.5 三维数据库的描述符计算
2.1.6 三维数据库的类药性筛选
实例讲解与练习：
(1) 小分子三维数据库的构建
(2) 数据库的类药性筛选
3. 蛋白质结构数据库（PDB）的使用方法
3.1 靶点晶体结构的数据库检索和选取
3.2 靶点蛋白的结构类型和序列分析
3.3 靶点蛋白的下载和预处理
3.4 靶点蛋白的三维结构分析
3.5 靶点蛋白的活性位点表征
实例讲解与练习：
(1) 基于 PLK1为靶点的蛋白结构获取和活性位点表征
(2) 基于 DPP4为靶点的蛋白结构获取和活性位点表征
4. 分子对接过程及结果分析
4.1 分子对接原理
4.2 分子对接方法
4.2.1 靶点蛋白晶体结构的选取
4.2.2 靶点蛋白前期优化准备
4.2.3 靶点蛋白活性位点表征
4.2.4 三维数据库的预处理
4.2.5 对接算法的选择和对接评分
4.2.6 结合自由能计算
4.2.7 三维相互作用图生成
4.3 对接结果分析
实例讲解与练习：
(1)基于分子对接技术筛选磷酸二酯酶-4小分子抑制剂
(2)基于分子对接技术筛选PLK1小分子抑制剂
5. 同源建模方法及模型优化
5.1 同源建模介绍
5.2 同源建模的方法
5.2.1靶点蛋白的序列选取
5.2.2 蛋白序列的相似性搜索和比对
5.2.3 蛋白模板的选择
5.2.4 蛋白模型三维结构构建
5.2.5 蛋白模型的验证
5.2.6 蛋白模型的优化
5.2.7 蛋白模型活性位点的表征
实例讲解与练习：
(1) 以新冠病毒3CL水解酶为靶点的同源建模
6. 基于受体的药效团模型的虚拟筛选
6.1 构建基于受体-配体复合物的药效团模型
6.1.1 选取靶点蛋白-配体晶体结构
6.1.2 靶点晶体结构的预处理
6.1.3 靶点蛋白与配体的相互作用分析
6.1.4 药效团模型的构建
6.1.5 测试集的构建方法
6.1.6 药效团模型的评价方法
6.2 虚拟筛选
6.3 结果分析
实例讲解与练习：
(1) 基于受体药效团模型发现新型的免疫检查点PD-L1抑制剂
(2) 基于PARP-1活性位点构建三维药效团模型及先导化合物筛选
7. 基于配体的药效团模型的虚拟筛选
7.1 构建基于配体的药效团模型
7.1.1 选取配体分子的方法
7.1.2 配体分子数据库的构建
7.1.3 配体分子数据库的预处理
7.1.3 配体分子数据库的多构象生成
7.1.4 药效团模型的构建
7.1.5 测试集的构建方法
7.1.6 药效团模型的评价方法
7.2 虚拟筛选
7.3 结果分析
实例讲解与练习：
基于配体药效团模型发现全新的磷脂酰肌醇-3-激酶(PI3K)抑制剂
8. 多肽药物的虚拟筛选流程和结果分析
8.1 构建基于受体-配体复合物的药效团模型
8.1.1 选取靶点蛋白-配体晶体结构
8.1.2 靶点晶体结构的预处理
8.1.3 靶点蛋白与配体的相互作用分析
8.1.4 药效团模型的构建
8.1.5 测试集的构建方法
8.1.6 药效团模型的评价方法
8.2 多肽药物精准分子对接方法
8.3 结果分析
实例讲解与练习：
基于NRP-1受体药效团模型发现新型的活性多肽分子
9. 运用药效团和分子对接发现全新的基质金属蛋白酶9(MMP-9)抑制剂
9.1 MMP-9药效团模型的构建
9.1.1 MMP-9靶点晶体结构的选取及预处理
9.1.3 MMP-9靶点活性位点与配体的构效关系分析
9.1.4药效团模型构建
9.2 MMP-9药效团模型的优化及评价
9.2.1测试集的构建
9.2.2药效团模型的验证
9.3 基于MMP-9药效团模型的虚拟筛选
9.4 基于MMP-9活性位点的分子对接
9.4.1 候选化合物与活性位点氨基酸的二维和三维相互作用分析
9.4.2 候选化合物与活性位点氨基酸的结合自由能计算
9.5 结果分析
10. 运用药效团和分子对接发现全新的新冠病毒3CL水解酶抑制剂
10.1 3CL水解酶药效团模型的构建
10.1.1 3CL水解酶靶点晶体结构的选取
10.1.2 3CL水解酶靶点晶体结构的预处理
10.1.3 3CL水解酶靶点活性位点与配体的构效关系分析
10.1.4药效团模型构建
10.2 3CL水解酶药效团模型的优化及评价
10.2.1测试集的构建
10.2.2药效团模型的验证
10.3 基于3CL水解酶药效团模型的虚拟筛选
10.4基于3CL水解酶活性位点的分子对接
10.4.1 候选化合物与活性位点氨基酸的二维和三维相互作用分析
10.4.2 候选化合物与活性位点氨基酸的结合自由能计算
10.5 结果分析
AI药物设计与新药先导化合物筛选相关推荐
- 被“嫌弃”的AI药物设计
每当新事物兴起的时候,总是会有保守的论调试图抑制它的萌芽. 前两天看到一篇题为"AI设计药物,泡沫还是未来?"的评述,作者认为英国初创公司Exscientia发表的DSP-1181 ...
- 计算机辅助药物设计研发新药论文,计算机辅助药物设计在新药研发中应用进展.pdf...
计算机辅助药物设计在新药研发中的应用进展 * 高丽, 刘艾林 ,杜冠华(-, 100050) : 综述在新药研发中计算机辅助药物设计( computer aided drug design, CADD ...
- AI+药物设计：AI制药与产业前沿
清华大学药学院副院长尹航为大家带来的演讲主题是:AI+药物设计:AI制药与产业前沿.它主要分为五部分: 蛋白质折叠的简要介绍 计算化学在生物制药里的应用 人工智能在生物制药里的市场情况 人工智能对产业 ...
- 计算机辅助药物设计在新药研发中的应用,计算机辅助药物设计在抗耐药菌药物研发中的应用进展...
[1] Sliwoski G, Kothiwale S, Meiler J, et al. Computational methods in drug discovery[J]. Pharmacol ...
- 计算机辅助药物设计在新药研发中的应用
随着分子生物学.X射线晶体学的发展,大量与疾病相关的生物大分子的三维结构被确定:计算机科学的迅速崛起使得数据挖掘.机器学习等技术快速发展.在这两方面的推动下,计算机辅助药物设计(CADD)应运而生,并 ...
- 计算机辅助药物设计在新药研发中的应用,计算机辅助药物设计在新药研发中的应用 | 每日生物评论...
随着分子生物学.X射线晶体学的发展,大量与疾病相关的生物大分子的三维结构被确定:计算机科学的迅速崛起使得数据挖掘.机器学习等技术快速发展.在这两方面的推动下,计算机辅助药物设计(CADD)应运而生,并 ...
- 计算机模拟分子药物设计书籍,计算机分子模拟技术在药物设计中的应用
计算机分子模拟技术在药物设计中的应用 1.刘景陶2.刘映雪 (1. 015000河套学院2. 015000内蒙古巴彦淖尔市医院) 摘要: 通过计算机模拟手段进行分子对接.药物筛选.先导物的优化.定量构 ...
- CADD药物设计；QSAR模型
1.CADD药物设计 计算药物设计(CADD)是一个使用计算技术来帮助设计和开发新药的领域.它涉及使用计算机程序来模拟潜在药物分子与体内靶蛋白之间的相互作用,以及预测这些分子的性质和行为.这可以帮助研 ...
- 通过蛋白结构分析、同源建模、分子对接、虚拟筛选、构效关系分析、药效团靶点抑制剂筛选预测、全新药物设计，先导化合物发现等方法对靶点药物进行全方位设计及分析
[一]专题目录 专题一:CADD药物分子相互作用.分子对接.靶点预测 2022年03月26日-03月27日 在线直播 2022年04月03日-04月04日 在线直播 专题二:薛定谔靶点抑制剂虚拟筛选. ...
最新文章
- 2.1.5 编码与调制(1)
- 纯css实现移动端横向滑动列表
- kafka 集群_单机版kafka集群部署
- opencv编译python库_linux 下编译安装 opencv-python
- [objective-c] 04 - 消息机制 回调 目标－动作回调
- Redis进阶实践之十六 Redis大批量增加数据
- 【剑指offer】面试题32 - III：从上到下打印二叉树 III（Java）
- Beautiful选择器/遍历文档树Day3-7
- 腾讯裁员内幕：顶层反思推动，PCG与CSIG影响最大
- Opencv中Get2D()与cvSet2D() 的坐标问题
- Java调用python传参数并获取python返回的值
- DTcms拓展字段添加-配参-页面获取-查询调用-数据配置
- 隐语义模型（Latent Factor Model, LFM）原理以及代码实现
- 转：Provisioning profile XXXX can't be found
- 用好这 28 个工具，开发效率爆涨｜云效工程师指北
- 人机对战之取火柴游戏
- 项目启动报错 Error running ‘xxxApplication‘；Command line is too long,Shoerten command line for........
- 减脂期必看，13种怎么吃也不会胖的低热量食物
- 2016年linux认证考试,2016年Linux认证考试模拟练习及答案
- PuTTY 中文教程A