常用計算機輔助藥物設計軟件教程 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

張亮仁 編

圖書標籤:

• 藥物設計
• 計算機輔助藥物設計
• CADD
• 軟件教程
• 分子建模
• 虛擬篩選
• 對接
• 分子動力學
• 藥物發現
• 計算化學

齣版社： 中國醫藥科技齣版社

ISBN：9787506792158

版次：1

商品編碼：12184560

包裝：平裝

開本：16開

齣版時間：2017-04-01

用紙：膠版紙

頁數：257

字數：257000

正文語種：中文

內容簡介

　　計算機輔助藥物設計已成為一門新興的研究領域，在閤理藥物設計中發揮不可或缺的作用。
　　《常用計算機輔助藥物設計軟件教程》依據實際工作中各種軟件的應用，介紹瞭分子動力學模擬、分子對接、蛋白質同源模建、定量構效關係的研究、藥效團的構建、虛擬篩選等內容，且每一內容有不止一個軟件的使用介紹，適閤入門計算機輔助藥物設計的廣大師生參考使用。

內頁插圖

目錄

第一章 同源模建法預測蛋白質結構
第一節 同源模建概述
第二節 同源模建

第二章 分子對接預測結閤位點
第一節 利用AutoDock進行分子對接
第二節 利用D0CK進行分子對接
第三節 利用Surflex-Dock進行分子對接
第四節 利用GOLD進行分子對接

第三章 蛋白質與核酸的分子動力學模擬
第一節 分子動力學概述
第二節 利用GROMACS進行純蛋白分子動力學模擬
第三節 蛋白與小分子復閤物的動力學模擬
第四節 核酸分子動力學模擬

第四章 利用OpenEye組件包進行虛擬篩選
第一節 軟件簡介
第二節 利用OpenEye組件包進行虛擬篩選

第五章 定量構效關係分析
第一節 CoMFA&CoMSIA;
第二節 HQsAR

第六章 藥效團
第一節 藥效團介紹
第二節 利用Discovery Studio進行藥效團模型構建

第七章 全新藥物設計
第一節 概述
第二節 利用LigBuilder進行全新藥物設計

第八章 作圖軟件PyMOL的應用
第一節 PyMOL簡介
第二節 PyMOL基本操作

第九章 藥物設計實例
第一節 利用OpenEye發現F．tularensis烯酰基載體蛋白還原酶FabI抑製劑
第二節 基於模建結構的虛擬篩選發現對蝦黃頭病毒蛋白酶抑製劑
第三節 基於藥效團建模和分子對接的虛擬篩選發現？-分泌酶抑製劑
參考文獻
彩圖

前言/序言

　　從20世紀90年代開始，隨著計算機技術的迅速發展以及藥物化學、分子生物學和計算化學的發展，計算機輔助藥物設計（CADD）也快速發展起來，成為一門新興的研究領域。與此同時，CADD的發展和應用，也大大促進瞭藥物設計和新藥開發的效率，CADD現在已經成為閤理藥物設計中不可或缺的一環，在藥物設計中起著越來越重要的作用。因此，CADD方法的理論和應用研究具有非常重要的意義。關於CADD的理論，很多教科書和專著已進行大量介紹，適閤初學者學習理論知識，但是在實際中的操作，卻鮮有基礎書目可以參考。本書編者長期從事相關工作，根據在實際工作中對各種軟件的應用，編寫瞭本書，介紹計算機輔助藥物設計時需要用到的部分軟件的使用，以實現設計目的為導嚮，著重介紹軟件的操作方法，使用過程中的細節與原理，可以使初學者迅速入門。本書內容包含瞭分子動力學模擬、分子對接、蛋白質同源模建、定量構效關係的研究、藥效團的構建、虛擬篩選等內容，且每一內容有不止一個軟件的使用介紹，希望能對入門計算機輔助藥物設計的廣大師生有所幫助。
　　本書的編寫是從初學者的角度，手把手、一步一步介紹各軟件的使用方法、功能，並配有圖片，使初學者能夠順利學習。使用各種常用軟件。
　　限於編者的水平有限，書中可能存在不妥之處，敬請廣大讀者批評和指正。

《分子動力學模擬與生物大分子結構預測》 本書旨在為從事生物醫藥、化學、材料科學等領域的研究人員和學生提供深入瞭解分子動力學模擬（MD）和生物大分子結構預測（Protein Structure Prediction）的前沿技術與應用。全書圍繞這兩個核心主題展開，力求理論與實踐相結閤，使讀者能夠掌握相關的原理、方法、工具和解讀數據的方式。 第一部分：分子動力學模擬理論與實踐 本部分將係統介紹分子動力學模擬的基本概念、理論基礎以及在不同研究中的實際應用。 第一章：分子動力學模擬基礎 1.1 什麼是分子動力學模擬？ 從經典力學的角度齣發，解釋如何通過求解牛頓運動方程來模擬分子係統的動態行為。 介紹分子動力學模擬的優勢，如能夠捕捉超越時間尺度的平衡態和動態過程，提供原子層麵的詳細信息。 區分分子動力學與其他模擬方法（如濛特卡洛模擬、量子化學計算）的特點和適用範圍。 1.2 核心理論與概念 力場（Force Field）：詳細闡述力場在MD模擬中的作用，包括其組成（鍵長、鍵角、二麵角、範德華、靜電相互作用等）和不同類型力場（如CHARMM, AMBER, OPLS, GROMOS）的特點與適用性。重點講解參數化的重要性及其獲取途徑。 能量最小化（Energy Minimization）：介紹能量最小化在模擬前處理中的作用，常用的算法（如最速下降法、共軛梯度法）及其原理。 積分算法（Integration Algorithms）：講解如何離散化牛頓運動方程，介紹常用的積分算法（如 Verlet、Leapfrog、Velocity Verlet）及其精度和穩定性。 係綜（Ensembles）：解釋經典統計力學中的正則係綜（NVT）、恒溫恒壓係綜（NPT）等，以及如何在MD模擬中實現這些係綜的控溫控壓方法（如 Nose-Hoover、Andersen、Parrinello-Rahman 等）。 邊界條件（Boundary Conditions）：介紹周期性邊界條件（PBC）在模擬無限大係統中的應用，以及其對模擬結果的影響。 1.3 模擬流程與前處理 分子模型的構建：講解如何從實驗數據（如X射綫晶體結構、NMR結構）或理論計算構建初始分子模型。 溶劑化（Solvation）：介紹如何將分子模型置於溶劑（如水）環境中，以及溶劑化模型的選擇（顯式溶劑模型、隱式溶劑模型）。 體係優化：講解能量最小化、加熱（heating）和平衡（equilibration）等步驟，以使模擬體係達到穩定狀態。 1.4 數據分析與結果解讀 軌跡文件（Trajectory Files）：介紹如何讀取和處理MD模擬産生的軌跡數據。 能量和溫度分析：講解如何分析模擬過程中的總能量、勢能、動能、溫度等參數，以評估模擬的穩定性。 結構參數分析：介紹如何計算和分析均方根偏差（RMSD）、均方根漲落（RMSF）、氫鍵、接觸距離等結構參數。 動力學分析：講解如何分析分子的運動模式，如扭轉角變化、構象轉變等。 統計學分析：介紹如何從多條模擬軌跡或長軌跡中提取有統計學意義的結果。 第二章：分子動力學模擬的應用 2.1 蛋白質摺疊與構象變化 利用MD模擬研究蛋白質從無規則捲麯到三維結構的過程，以及蛋白質在特定條件下的構象轉變（如信號轉導、酶促反應）。 案例分析：特定蛋白質的摺疊路徑或重要構象變化的研究。 2.2 藥物-靶標相互作用研究 模擬小分子藥物與蛋白質靶標的結閤過程，分析結閤模式、結閤親和力（通過MM/PBSA, MM/GBSA等方法）。 研究藥物的動態過程，如解離、擴散等。 案例分析：抗癌藥物或抗病毒藥物與靶蛋白的結閤機製。 2.3 生物分子復閤物的形成與穩定性 模擬蛋白質-蛋白質、蛋白質-核酸、蛋白質-脂質等復閤物的形成動力學，以及復閤物的穩定性。 分析復閤物形成過程中的關鍵相互作用。 案例分析：免疫復閤物的形成或膜蛋白與脂質體的相互作用。 2.4 膜蛋白研究 模擬膜蛋白在脂質雙層膜中的嵌入、運動和功能。 研究離子通道、轉運蛋白等膜蛋白的工作機製。 案例分析：特定的G蛋白偶聯受體（GPCR）在膜中的動態行為。 2.5 材料科學中的應用 研究聚閤物的動態行為、材料的機械性能。 模擬納米材料的組裝和相互作用。 第三章：常用分子動力學模擬軟件與計算資源 3.1 GROMACS 介紹GROMACS的特點、安裝與基本使用方法。 演示如何構建體係、運行模擬和基本分析。 3.2 AMBER 介紹AMBER的架構、功能模塊和常用命令。 演示如何使用AMBER進行MD模擬。 3.3 NAMD 介紹NAMD的並行計算能力和易用性。 演示如何通過NAMD進行大規模MD模擬。 3.4 CHARMM 介紹CHARMM的廣泛應用和其強大的模擬能力。 示例性介紹其主要功能。 3.5 計算資源選擇與優化 討論CPU、GPU在MD模擬中的作用。 介紹高性能計算集群（HPC）的使用和注意事項。 第二部分：生物大分子結構預測 本部分將深入探討生物大分子（主要是蛋白質）三維結構預測的方法、挑戰以及相關技術。 第四章：生物大分子結構預測概述 4.1 結構決定功能 強調蛋白質三維結構對其生物學功能的重要性。 介紹蛋白質結構預測的必要性，特彆是在缺乏實驗結構數據的情況下。 4.2 結構預測的主要方法 同源建模（Homology Modeling）： 原理：基於已知結構（模闆）的序列相似性來預測目標蛋白的結構。 步驟：序列比對、模闆選擇、骨架構建、側鏈建模、模型優化、模型評估。 常用軟件介紹（如MODELLER, SWISS-MODEL）。 摺疊識彆（Fold Recognition/Threading）： 原理：將目標蛋白序列與已知結構數據庫中的所有摺疊進行比對，尋找最匹配的摺疊。 適用範圍：適用於序列相似性較低但可能具有已知摺疊的情況。 常用軟件介紹（如FFAS, HHpred）。 從頭預測（Ab initio/De novo Prediction）： 原理：基於物理化學原理和統計學方法，不依賴任何已知結構進行預測。 挑戰：計算量巨大，精度相對較低。 介紹其基本思想和發展趨勢。 混閤方法（Hybrid Methods）：結閤以上多種方法的優勢。 第五章：蛋白質結構預測的最新進展與工具 5.1 基於深度學習的蛋白質結構預測 AlphaFold2：詳細介紹AlphaFold2的架構、核心技術（如多序列比對MSAs、注意力機製、模闆搜索）及其在蛋白質結構預測領域帶來的革命性突破。 RoseTTAFold：介紹RoseTTAFold的原理和特點，及其與AlphaFold2的比較。 其他深度學習模型：簡要介紹其他新興的深度學習預測工具。 5.2 蛋白質結構預測平颱的應用 SWISS-MODEL：在綫同源建模平颱的使用教程。 Phyre2：另一個常用的摺疊識彆與同源建模平颱。 I-TASSER：綜閤性蛋白質結構預測服務器。 AlphaFold Protein Structure Database：如何查詢和利用已預測的蛋白質結構。 5.3 模型評估與驗證 介紹評估蛋白質結構模型質量的常用指標（如Ramachandran圖、MolProbity、ProSA-web）。 如何選擇最佳模型。 第六章：生物大分子結構預測的應用 6.1 藥物設計中的應用 預測藥物靶標蛋白的結構，為理性藥物設計提供基礎。 預測藥物分子與靶標的結閤模式，輔助虛擬篩選和先導化閤物優化。 案例分析：利用預測模型指導新藥研發。 6.2 理解蛋白質功能與進化 通過結構預測分析未知蛋白質的功能。 研究蛋白質結構域、活性位點和變異位點。 比較不同物種同源蛋白的結構，推斷進化關係。 6.3 蛋白質工程與設計 預測突變對蛋白質結構和功能的影響。 指導理性設計具有新功能或改進性能的蛋白質。 6.4 生物信息學研究 結構預測在基因組學、蛋白質組學研究中的輔助作用。 附錄 常用生物信息學數據庫簡介（如PDB, UniProt, Pfam）。 相關科研論文的查找與閱讀技巧。 本書期望通過全麵細緻的講解，幫助讀者掌握分子動力學模擬和生物大分子結構預測的核心技術，並能將其有效應用於實際的科學研究中，加速生物醫藥、化學等領域的探索進程。

評分☆☆☆☆☆

讀完《常用計算機輔助藥物設計軟件教程》的簡介，我感到非常興奮。我是一名在生物醫藥領域工作多年的資深研究員，深知計算工具在現代藥物研發中的關鍵作用。雖然我已經熟悉一些常用的CADD軟件，但我一直在尋找一本能夠幫助我深入理解軟件背後科學原理，並能指導我進行更復雜、更前沿研究的教程。《常用計算機輔助藥物設計軟件教程》聽起來正是我的目標。我希望這本書能夠超越簡單的操作指南，而是深入講解各種CADD方法的理論基礎，比如各種對接算法的原理、分子動力學模擬的統計力學基礎、以及QSAR模型構建的統計學方法。我尤其關注書中是否會討論如何選擇閤適的模型和算法來解決特定的藥物設計問題，以及如何評估計算結果的可靠性。另外，我對人工智能在CADD中的應用充滿興趣，希望書中能介紹一些AI驅動的藥物設計方法，如生成模型、圖神經網絡在分子設計中的應用。如果書中能提供一些在藥物重定位、藥物聯用設計等方麵的應用案例，那將極大地拓寬我的思路。

評分☆☆☆☆☆

我是一名剛剛入門藥物化學的研究生，對於計算機輔助藥物設計（CADD）一直充滿瞭好奇，但又覺得無從下手。市麵上的CADD相關書籍很多，但大多數都過於晦澀難懂，要麼充斥著大量的公式和理論推導，要麼就是軟件操作的簡單羅列，缺乏係統性的指導。當我看到《常用計算機輔助藥物設計軟件教程》這個書名時，立刻被吸引瞭。我最希望這本書能夠從最基礎的概念講起，清晰地解釋CADD在藥物研發中的作用和地位，然後逐步引導讀者瞭解常用的CADD軟件。我特彆希望能看到對不同軟件的優缺點、適用範圍的比較分析，這樣我就可以根據自己的研究方嚮選擇最閤適的工具。書中能否包含一些“從零開始”的教程，例如如何安裝軟件、如何導入和處理分子結構、如何進行基本的分子可視化和分析。更重要的是，我非常期待書中能提供一些將理論與實踐相結閤的案例研究，比如如何利用軟件進行目標蛋白的結構預測和活性位點分析，如何進行配體-受體相互作用的模擬，以及如何基於計算結果設計新的分子。我希望這本書能像一個循循善誘的導師，一步一步地教會我如何運用這些強大的工具，為我的科研之路提供堅實的基礎。

評分☆☆☆☆☆

作為一名有一定年頭的藥物研發從業者，我一直關注著CADD領域的發展。這些年，計算技術的飛速進步，使得CADD在藥物發現中的作用越來越不可忽視。我曾接觸過一些CADD軟件，也參加過相關的培訓，但總覺得對於一些更深入、更前沿的應用，我的理解還不夠透徹。因此，當我看到《常用計算機輔助藥物設計軟件教程》這本書時，覺得它可能是一個很好的補充。我希望這本書不僅僅是軟件操作的指南，更能深入地探討這些軟件背後的原理和算法。比如，在虛擬篩選部分，書中能否詳細講解不同的篩選算法，如基於形狀的篩選、基於場的篩選、以及基於學習的篩選，並分析它們的適用場景和局限性。在分子動力學模擬方麵，我希望書中能介紹不同力場的使用，以及如何設置和分析模擬結果，以獲得有意義的生物學洞察。此外，我還對人工智能在CADD中的應用很感興趣，比如如何利用機器學習和深度學習來預測分子性質、優化分子結構，甚至進行de novo藥物設計。如果這本書能在這方麵提供一些前瞻性的介紹和實用的案例，那將對我非常有價值。

評分☆☆☆☆☆

這本《常用計算機輔助藥物設計軟件教程》我是在一次學術會議上偶然看到的，當時就覺得非常吸引人。我所在的實驗室正好在進行一項關於新型抗癌藥物的研發項目，雖然我們有很強的理論基礎和實驗能力，但在藥物設計的環節總覺得有些力不從心，效率也不夠高。市麵上也看過一些其他的教程，但要麼太泛泛而談，要麼過於偏重理論，實際操作的指導性不強。這本教程的齣現，就像是為我們指明瞭一盞方嚮燈。尤其是它提到瞭一些我之前接觸不到的軟件，比如 Schrodinger 和 MOE，這讓我眼前一亮。我非常期待書中能夠詳細介紹這些軟件的安裝、基本操作，以及更重要的是，如何在實際的藥物設計流程中運用它們。比如，如何利用這些軟件進行分子庫的構建、虛擬篩選、構效關係分析，甚至到分子動力學模擬。我希望教程能夠循序漸進，從最基礎的界麵認知到高級功能的運用，能夠有大量的實例和圖示，讓我能夠邊學邊練，快速掌握這些強大的工具。我尤其關心的是，書中是否會提供一些解決實際問題的案例，比如如何通過軟件優化一個先導化閤物的藥代動力學性質，或者如何設計一個新的分子靶嚮性更強的藥物。如果能提供一些實際操作的注意事項和常見錯誤排除方法，那就更完美瞭，這對於我們這些初學者來說至關重要。

評分☆☆☆☆☆

我是一名在讀的藥學博士，正在進行一項關於靶嚮藥物開發的課題。我深知計算機輔助藥物設計在加速研發進程、降低實驗成本方麵的重要作用，但苦於缺乏係統性的指導。市麵上的CADD教程，要麼過於學術化，難以理解；要麼過於基礎，無法滿足我進一步研究的需求。因此，《常用計算機輔助藥物設計軟件教程》這本書對我來說，恰好填補瞭這一空白。我希望書中能詳細介紹目前業界主流的CADD軟件，比如 Schrodinger Suite, MOE, Discovery Studio等，並對它們的功能、界麵、操作流程進行深入剖析。特彆地，我期望書中能涵蓋從分子構建、結構編輯、構象搜索，到分子對接、虛擬篩選、ADMET性質預測等一係列核心CADD流程。我更希望書中能提供一些高級應用的教程，例如如何利用QM/MM方法進行反應機理研究，如何進行蛋白質-蛋白質相互作用的模擬，以及如何應用QSAR模型來指導先導化閤物的優化。如果書中還能包含一些針對特定疾病領域（如腫瘤、神經退行性疾病）的CADD案例分析，那將對我非常有啓發性。

評分☆☆☆☆☆

很薄，泛泛而談！瞭解一下還是可以的。

評分☆☆☆☆☆

好書。

評分☆☆☆☆☆

內容很新很好，包裝精良，贊一個！

評分☆☆☆☆☆

這本書的主編是北京大學藥學院的張亮仁教授，一位業內很知名的藥物化學傢。這本書詳細介紹瞭很多相關軟件的操作方法，比如Autodock, GOLD, OpenEye,DS,Pymol等軟件。操作步驟介紹得很詳細。是一本很好的書。

評分☆☆☆☆☆

內容很新很好，包裝精良，贊一個！

評分☆☆☆☆☆

這本書的主編是北京大學藥學院的張亮仁教授，一位業內很知名的藥物化學傢。這本書詳細介紹瞭很多相關軟件的操作方法，比如Autodock, GOLD, OpenEye,DS,Pymol等軟件。操作步驟介紹得很詳細。是一本很好的書。

評分☆☆☆☆☆

很薄，泛泛而談！瞭解一下還是可以的。

評分☆☆☆☆☆

書很好，物流也很滿意！

評分☆☆☆☆☆

書很好，物流也很滿意！