常用计算机辅助药物设计软件教程 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

张亮仁 编

图书标签:

• 药物设计
• 计算机辅助药物设计
• CADD
• 软件教程
• 分子建模
• 虚拟筛选
• 对接
• 分子动力学
• 药物发现
• 计算化学

出版社： 中国医药科技出版社

ISBN：9787506792158

版次：1

商品编码：12184560

包装：平装

开本：16开

出版时间：2017-04-01

用纸：胶版纸

页数：257

字数：257000

正文语种：中文

内容简介

　　计算机辅助药物设计已成为一门新兴的研究领域，在合理药物设计中发挥不可或缺的作用。
　　《常用计算机辅助药物设计软件教程》依据实际工作中各种软件的应用，介绍了分子动力学模拟、分子对接、蛋白质同源模建、定量构效关系的研究、药效团的构建、虚拟筛选等内容，且每一内容有不止一个软件的使用介绍，适合入门计算机辅助药物设计的广大师生参考使用。

内页插图

目录

第一章 同源模建法预测蛋白质结构
第一节 同源模建概述
第二节 同源模建

第二章 分子对接预测结合位点
第一节 利用AutoDock进行分子对接
第二节 利用D0CK进行分子对接
第三节 利用Surflex-Dock进行分子对接
第四节 利用GOLD进行分子对接

第三章 蛋白质与核酸的分子动力学模拟
第一节 分子动力学概述
第二节 利用GROMACS进行纯蛋白分子动力学模拟
第三节 蛋白与小分子复合物的动力学模拟
第四节 核酸分子动力学模拟

第四章 利用OpenEye组件包进行虚拟筛选
第一节 软件简介
第二节 利用OpenEye组件包进行虚拟筛选

第五章 定量构效关系分析
第一节 CoMFA&CoMSIA;
第二节 HQsAR

第六章 药效团
第一节 药效团介绍
第二节 利用Discovery Studio进行药效团模型构建

第七章 全新药物设计
第一节 概述
第二节 利用LigBuilder进行全新药物设计

第八章 作图软件PyMOL的应用
第一节 PyMOL简介
第二节 PyMOL基本操作

第九章 药物设计实例
第一节 利用OpenEye发现F．tularensis烯酰基载体蛋白还原酶FabI抑制剂
第二节 基于模建结构的虚拟筛选发现对虾黄头病毒蛋白酶抑制剂
第三节 基于药效团建模和分子对接的虚拟筛选发现？-分泌酶抑制剂
参考文献
彩图

前言/序言

　　从20世纪90年代开始，随着计算机技术的迅速发展以及药物化学、分子生物学和计算化学的发展，计算机辅助药物设计（CADD）也快速发展起来，成为一门新兴的研究领域。与此同时，CADD的发展和应用，也大大促进了药物设计和新药开发的效率，CADD现在已经成为合理药物设计中不可或缺的一环，在药物设计中起着越来越重要的作用。因此，CADD方法的理论和应用研究具有非常重要的意义。关于CADD的理论，很多教科书和专著已进行大量介绍，适合初学者学习理论知识，但是在实际中的操作，却鲜有基础书目可以参考。本书编者长期从事相关工作，根据在实际工作中对各种软件的应用，编写了本书，介绍计算机辅助药物设计时需要用到的部分软件的使用，以实现设计目的为导向，着重介绍软件的操作方法，使用过程中的细节与原理，可以使初学者迅速入门。本书内容包含了分子动力学模拟、分子对接、蛋白质同源模建、定量构效关系的研究、药效团的构建、虚拟筛选等内容，且每一内容有不止一个软件的使用介绍，希望能对入门计算机辅助药物设计的广大师生有所帮助。
　　本书的编写是从初学者的角度，手把手、一步一步介绍各软件的使用方法、功能，并配有图片，使初学者能够顺利学习。使用各种常用软件。
　　限于编者的水平有限，书中可能存在不妥之处，敬请广大读者批评和指正。

《分子动力学模拟与生物大分子结构预测》 本书旨在为从事生物医药、化学、材料科学等领域的研究人员和学生提供深入了解分子动力学模拟（MD）和生物大分子结构预测（Protein Structure Prediction）的前沿技术与应用。全书围绕这两个核心主题展开，力求理论与实践相结合，使读者能够掌握相关的原理、方法、工具和解读数据的方式。 第一部分：分子动力学模拟理论与实践 本部分将系统介绍分子动力学模拟的基本概念、理论基础以及在不同研究中的实际应用。 第一章：分子动力学模拟基础 1.1 什么是分子动力学模拟？ 从经典力学的角度出发，解释如何通过求解牛顿运动方程来模拟分子系统的动态行为。 介绍分子动力学模拟的优势，如能够捕捉超越时间尺度的平衡态和动态过程，提供原子层面的详细信息。 区分分子动力学与其他模拟方法（如蒙特卡洛模拟、量子化学计算）的特点和适用范围。 1.2 核心理论与概念 力场（Force Field）：详细阐述力场在MD模拟中的作用，包括其组成（键长、键角、二面角、范德华、静电相互作用等）和不同类型力场（如CHARMM, AMBER, OPLS, GROMOS）的特点与适用性。重点讲解参数化的重要性及其获取途径。 能量最小化（Energy Minimization）：介绍能量最小化在模拟前处理中的作用，常用的算法（如最速下降法、共轭梯度法）及其原理。 积分算法（Integration Algorithms）：讲解如何离散化牛顿运动方程，介绍常用的积分算法（如 Verlet、Leapfrog、Velocity Verlet）及其精度和稳定性。 系综（Ensembles）：解释经典统计力学中的正则系综（NVT）、恒温恒压系综（NPT）等，以及如何在MD模拟中实现这些系综的控温控压方法（如 Nose-Hoover、Andersen、Parrinello-Rahman 等）。 边界条件（Boundary Conditions）：介绍周期性边界条件（PBC）在模拟无限大系统中的应用，以及其对模拟结果的影响。 1.3 模拟流程与前处理 分子模型的构建：讲解如何从实验数据（如X射线晶体结构、NMR结构）或理论计算构建初始分子模型。 溶剂化（Solvation）：介绍如何将分子模型置于溶剂（如水）环境中，以及溶剂化模型的选择（显式溶剂模型、隐式溶剂模型）。 体系优化：讲解能量最小化、加热（heating）和平衡（equilibration）等步骤，以使模拟体系达到稳定状态。 1.4 数据分析与结果解读 轨迹文件（Trajectory Files）：介绍如何读取和处理MD模拟产生的轨迹数据。 能量和温度分析：讲解如何分析模拟过程中的总能量、势能、动能、温度等参数，以评估模拟的稳定性。 结构参数分析：介绍如何计算和分析均方根偏差（RMSD）、均方根涨落（RMSF）、氢键、接触距离等结构参数。 动力学分析：讲解如何分析分子的运动模式，如扭转角变化、构象转变等。 统计学分析：介绍如何从多条模拟轨迹或长轨迹中提取有统计学意义的结果。 第二章：分子动力学模拟的应用 2.1 蛋白质折叠与构象变化 利用MD模拟研究蛋白质从无规则卷曲到三维结构的过程，以及蛋白质在特定条件下的构象转变（如信号转导、酶促反应）。 案例分析：特定蛋白质的折叠路径或重要构象变化的研究。 2.2 药物-靶标相互作用研究 模拟小分子药物与蛋白质靶标的结合过程，分析结合模式、结合亲和力（通过MM/PBSA, MM/GBSA等方法）。 研究药物的动态过程，如解离、扩散等。 案例分析：抗癌药物或抗病毒药物与靶蛋白的结合机制。 2.3 生物分子复合物的形成与稳定性 模拟蛋白质-蛋白质、蛋白质-核酸、蛋白质-脂质等复合物的形成动力学，以及复合物的稳定性。 分析复合物形成过程中的关键相互作用。 案例分析：免疫复合物的形成或膜蛋白与脂质体的相互作用。 2.4 膜蛋白研究 模拟膜蛋白在脂质双层膜中的嵌入、运动和功能。 研究离子通道、转运蛋白等膜蛋白的工作机制。 案例分析：特定的G蛋白偶联受体（GPCR）在膜中的动态行为。 2.5 材料科学中的应用 研究聚合物的动态行为、材料的机械性能。 模拟纳米材料的组装和相互作用。 第三章：常用分子动力学模拟软件与计算资源 3.1 GROMACS 介绍GROMACS的特点、安装与基本使用方法。 演示如何构建体系、运行模拟和基本分析。 3.2 AMBER 介绍AMBER的架构、功能模块和常用命令。 演示如何使用AMBER进行MD模拟。 3.3 NAMD 介绍NAMD的并行计算能力和易用性。 演示如何通过NAMD进行大规模MD模拟。 3.4 CHARMM 介绍CHARMM的广泛应用和其强大的模拟能力。 示例性介绍其主要功能。 3.5 计算资源选择与优化 讨论CPU、GPU在MD模拟中的作用。 介绍高性能计算集群（HPC）的使用和注意事项。 第二部分：生物大分子结构预测 本部分将深入探讨生物大分子（主要是蛋白质）三维结构预测的方法、挑战以及相关技术。 第四章：生物大分子结构预测概述 4.1 结构决定功能 强调蛋白质三维结构对其生物学功能的重要性。 介绍蛋白质结构预测的必要性，特别是在缺乏实验结构数据的情况下。 4.2 结构预测的主要方法 同源建模（Homology Modeling）： 原理：基于已知结构（模板）的序列相似性来预测目标蛋白的结构。 步骤：序列比对、模板选择、骨架构建、侧链建模、模型优化、模型评估。 常用软件介绍（如MODELLER, SWISS-MODEL）。 折叠识别（Fold Recognition/Threading）： 原理：将目标蛋白序列与已知结构数据库中的所有折叠进行比对，寻找最匹配的折叠。 适用范围：适用于序列相似性较低但可能具有已知折叠的情况。 常用软件介绍（如FFAS, HHpred）。 从头预测（Ab initio/De novo Prediction）： 原理：基于物理化学原理和统计学方法，不依赖任何已知结构进行预测。 挑战：计算量巨大，精度相对较低。 介绍其基本思想和发展趋势。 混合方法（Hybrid Methods）：结合以上多种方法的优势。 第五章：蛋白质结构预测的最新进展与工具 5.1 基于深度学习的蛋白质结构预测 AlphaFold2：详细介绍AlphaFold2的架构、核心技术（如多序列比对MSAs、注意力机制、模板搜索）及其在蛋白质结构预测领域带来的革命性突破。 RoseTTAFold：介绍RoseTTAFold的原理和特点，及其与AlphaFold2的比较。 其他深度学习模型：简要介绍其他新兴的深度学习预测工具。 5.2 蛋白质结构预测平台的应用 SWISS-MODEL：在线同源建模平台的使用教程。 Phyre2：另一个常用的折叠识别与同源建模平台。 I-TASSER：综合性蛋白质结构预测服务器。 AlphaFold Protein Structure Database：如何查询和利用已预测的蛋白质结构。 5.3 模型评估与验证 介绍评估蛋白质结构模型质量的常用指标（如Ramachandran图、MolProbity、ProSA-web）。 如何选择最佳模型。 第六章：生物大分子结构预测的应用 6.1 药物设计中的应用 预测药物靶标蛋白的结构，为理性药物设计提供基础。 预测药物分子与靶标的结合模式，辅助虚拟筛选和先导化合物优化。 案例分析：利用预测模型指导新药研发。 6.2 理解蛋白质功能与进化 通过结构预测分析未知蛋白质的功能。 研究蛋白质结构域、活性位点和变异位点。 比较不同物种同源蛋白的结构，推断进化关系。 6.3 蛋白质工程与设计 预测突变对蛋白质结构和功能的影响。 指导理性设计具有新功能或改进性能的蛋白质。 6.4 生物信息学研究 结构预测在基因组学、蛋白质组学研究中的辅助作用。 附录 常用生物信息学数据库简介（如PDB, UniProt, Pfam）。 相关科研论文的查找与阅读技巧。 本书期望通过全面细致的讲解，帮助读者掌握分子动力学模拟和生物大分子结构预测的核心技术，并能将其有效应用于实际的科学研究中，加速生物医药、化学等领域的探索进程。

评分☆☆☆☆☆

我是一名刚刚入门药物化学的研究生，对于计算机辅助药物设计（CADD）一直充满了好奇，但又觉得无从下手。市面上的CADD相关书籍很多，但大多数都过于晦涩难懂，要么充斥着大量的公式和理论推导，要么就是软件操作的简单罗列，缺乏系统性的指导。当我看到《常用计算机辅助药物设计软件教程》这个书名时，立刻被吸引了。我最希望这本书能够从最基础的概念讲起，清晰地解释CADD在药物研发中的作用和地位，然后逐步引导读者了解常用的CADD软件。我特别希望能看到对不同软件的优缺点、适用范围的比较分析，这样我就可以根据自己的研究方向选择最合适的工具。书中能否包含一些“从零开始”的教程，例如如何安装软件、如何导入和处理分子结构、如何进行基本的分子可视化和分析。更重要的是，我非常期待书中能提供一些将理论与实践相结合的案例研究，比如如何利用软件进行目标蛋白的结构预测和活性位点分析，如何进行配体-受体相互作用的模拟，以及如何基于计算结果设计新的分子。我希望这本书能像一个循循善诱的导师，一步一步地教会我如何运用这些强大的工具，为我的科研之路提供坚实的基础。

评分☆☆☆☆☆

这本《常用计算机辅助药物设计软件教程》我是在一次学术会议上偶然看到的，当时就觉得非常吸引人。我所在的实验室正好在进行一项关于新型抗癌药物的研发项目，虽然我们有很强的理论基础和实验能力，但在药物设计的环节总觉得有些力不从心，效率也不够高。市面上也看过一些其他的教程，但要么太泛泛而谈，要么过于偏重理论，实际操作的指导性不强。这本教程的出现，就像是为我们指明了一盏方向灯。尤其是它提到了一些我之前接触不到的软件，比如 Schrodinger 和 MOE，这让我眼前一亮。我非常期待书中能够详细介绍这些软件的安装、基本操作，以及更重要的是，如何在实际的药物设计流程中运用它们。比如，如何利用这些软件进行分子库的构建、虚拟筛选、构效关系分析，甚至到分子动力学模拟。我希望教程能够循序渐进，从最基础的界面认知到高级功能的运用，能够有大量的实例和图示，让我能够边学边练，快速掌握这些强大的工具。我尤其关心的是，书中是否会提供一些解决实际问题的案例，比如如何通过软件优化一个先导化合物的药代动力学性质，或者如何设计一个新的分子靶向性更强的药物。如果能提供一些实际操作的注意事项和常见错误排除方法，那就更完美了，这对于我们这些初学者来说至关重要。

评分☆☆☆☆☆

作为一名有一定年头的药物研发从业者，我一直关注着CADD领域的发展。这些年，计算技术的飞速进步，使得CADD在药物发现中的作用越来越不可忽视。我曾接触过一些CADD软件，也参加过相关的培训，但总觉得对于一些更深入、更前沿的应用，我的理解还不够透彻。因此，当我看到《常用计算机辅助药物设计软件教程》这本书时，觉得它可能是一个很好的补充。我希望这本书不仅仅是软件操作的指南，更能深入地探讨这些软件背后的原理和算法。比如，在虚拟筛选部分，书中能否详细讲解不同的筛选算法，如基于形状的筛选、基于场的筛选、以及基于学习的筛选，并分析它们的适用场景和局限性。在分子动力学模拟方面，我希望书中能介绍不同力场的使用，以及如何设置和分析模拟结果，以获得有意义的生物学洞察。此外，我还对人工智能在CADD中的应用很感兴趣，比如如何利用机器学习和深度学习来预测分子性质、优化分子结构，甚至进行de novo药物设计。如果这本书能在这方面提供一些前瞻性的介绍和实用的案例，那将对我非常有价值。

评分☆☆☆☆☆

读完《常用计算机辅助药物设计软件教程》的简介，我感到非常兴奋。我是一名在生物医药领域工作多年的资深研究员，深知计算工具在现代药物研发中的关键作用。虽然我已经熟悉一些常用的CADD软件，但我一直在寻找一本能够帮助我深入理解软件背后科学原理，并能指导我进行更复杂、更前沿研究的教程。《常用计算机辅助药物设计软件教程》听起来正是我的目标。我希望这本书能够超越简单的操作指南，而是深入讲解各种CADD方法的理论基础，比如各种对接算法的原理、分子动力学模拟的统计力学基础、以及QSAR模型构建的统计学方法。我尤其关注书中是否会讨论如何选择合适的模型和算法来解决特定的药物设计问题，以及如何评估计算结果的可靠性。另外，我对人工智能在CADD中的应用充满兴趣，希望书中能介绍一些AI驱动的药物设计方法，如生成模型、图神经网络在分子设计中的应用。如果书中能提供一些在药物重定位、药物联用设计等方面的应用案例，那将极大地拓宽我的思路。

评分☆☆☆☆☆

我是一名在读的药学博士，正在进行一项关于靶向药物开发的课题。我深知计算机辅助药物设计在加速研发进程、降低实验成本方面的重要作用，但苦于缺乏系统性的指导。市面上的CADD教程，要么过于学术化，难以理解；要么过于基础，无法满足我进一步研究的需求。因此，《常用计算机辅助药物设计软件教程》这本书对我来说，恰好填补了这一空白。我希望书中能详细介绍目前业界主流的CADD软件，比如 Schrodinger Suite, MOE, Discovery Studio等，并对它们的功能、界面、操作流程进行深入剖析。特别地，我期望书中能涵盖从分子构建、结构编辑、构象搜索，到分子对接、虚拟筛选、ADMET性质预测等一系列核心CADD流程。我更希望书中能提供一些高级应用的教程，例如如何利用QM/MM方法进行反应机理研究，如何进行蛋白质-蛋白质相互作用的模拟，以及如何应用QSAR模型来指导先导化合物的优化。如果书中还能包含一些针对特定疾病领域（如肿瘤、神经退行性疾病）的CADD案例分析，那将对我非常有启发性。

评分☆☆☆☆☆

好书。

评分☆☆☆☆☆

正好在学习这些内容。工作了才知道，无处不在的竞争压力让这些基本的知识技能变成了难以获得的稀缺资源，自学是件非常辛苦的事情，感谢作者详尽阐述每一个细节，每一个知识点，非常及时的一本书！

评分☆☆☆☆☆

本校老师编写的

评分☆☆☆☆☆

好书。

评分☆☆☆☆☆

常用计算机辅助药物设计软件教程

评分☆☆☆☆☆

内容很新很好，包装精良，赞一个！

评分☆☆☆☆☆

正好在学习这些内容。工作了才知道，无处不在的竞争压力让这些基本的知识技能变成了难以获得的稀缺资源，自学是件非常辛苦的事情，感谢作者详尽阐述每一个细节，每一个知识点，非常及时的一本书！

评分☆☆☆☆☆

本校老师编写的

评分☆☆☆☆☆

纸质挺好的，物流快，支持