用密度泛函理论计算蛋白-配体结合能

来源 :2019中国化学会第十五届全国计算(机)化学学术会议 | 被引量 : 0次 | 上传用户:zhoubin_
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  实现蛋白配体结合能的精确计算被誉为计算生物化学中的"圣杯"之一,一方面由于其对药物设计、生物物理化学等研究领域至关重要,但同时也因为其面临的巨大难度。甚至有人预测要到2045年才能完全解决蛋白配体结合能计算的问题[1]。
其他文献
In the past thirty years,SBDD has made very important impact to drug discovery.At Hengrui,SBDD is used routinely for our drug discovery programs whenever possible.
机器学习算法是重要的数据挖掘的方法,可用于预测抑制剂的生物活性,并对化合物库进行虚拟筛选,找到潜在的活性化合物; 机器学习算法还可用于抑制剂骨架结构的分类研究,用于研究高活性化合物的结构特征。
由多种原因引起的肾病综合征(NS),是以肾小球基膜通透性增加伴随肾小球滤过率降低为主的常见的临床综合征,其常规治疗方法为免疫抑制剂与糖皮质激素联合使用,可治疗多种不同病理类型的肾病综合征。
The discovery and development of a new drug is a long journey,with lots of challenges.On the other hand,recently AI technologies have made tremendous progress and have been applied to various industri
会议
计算机辅助药物设计技术在越来越多的新药研发项目中得到应用,其中不乏成功的实例。药物化学驱动(或快速跟踪)的新药研发项目,靶标有效性得到一定程度的确证,可利用的信息多,竞争激烈。这样的项目给计算机辅助药物设计带来了巨大的挑战,拥挤专利空间使得分子设计难度加大,竞争激烈对研发时间和效率有更高的要求,竞争对手的项目进展对新设计分子的活性提出了更高的要求等。尝试通过一些案例,讨论如何有效利用已有的信息,将
随着移动互联、大数据、人工智能等技术的快速迭代发展,以生物制药为代表的生命科学领域,以及以新能源为代表的材料科学领域逐渐进入研发创新的新时代。
The pharmaceutical industry,challenged by increasingly difficult targets,is exploring uncommon modes of drug actions,such as allosteric inhibitors and agonists.
简要回顾了中国药物研发的整体情况,根据各疾病领域从各临床阶段到获批的成功率,提出了药物研发中的靶点机会指数模型,评估该靶点在研药物靶的创新性。
我们应用孟德尔随机化分析来研究血液中五种矿物质(钙、镁、铁、铜和锌)含量与骨质疏松症、痛风、类风湿关节炎、2型糖尿病、阿尔茨海默病、双相情感障碍、精神分裂症、帕金森病和重度抑郁症等九种疾病风险的潜在因果关系。