电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

药效团的构建VIP免费

药效团的构建_第1页
1/41
药效团的构建_第2页
2/41
药效团的构建_第3页
3/41
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级DS2.5中基于药效团的药物设计方法和应用赵冬梅创腾科技有限公司讲座14:00开始,听到声音的老师和同学请举手What’snewinDS2.5.5以及DS2.5Visualizer使用方法DS2.5中基于药效团的药物设计方法和应用生物大分子间相互作用的识别工具及其在生命科学和药物设计中的应用DS2.5中的QSAR(2D、3D)方法介绍和应用真正的生物实验数据登录管理系统-BioRegistrationSpotfire帮您加快药物研发速度应用于生物信息学中的数据库和分析工具如何通过Neo-CADD帮助实验人员更快设计和优化药物分子2010年网络培训索取资料途径:www.neotrident.com;market@neotrident.compharmacophores---药效团概述Pharmacophores(药效团模型)•药物分子与受体靶点发生作用时,分子中的基团对于活性的影响不同。•1909年,PaulEhrlich提出,指载有活性必需的特征原子的分子框架。•1977年,PeterGund提出,指分子中的一组能够识别受体,并能形成分子生物活性的结构特征。•“”泛指药物活性分子中对活性起着重要作用的药效特征元素及其空间排列形式。包括了结合特性、结构和特性约束的信息,以作为数据库检索的提问方式。ABCABCD药效特征元素氢键受体:OOSNHN氢键给体:OHNH2NH疏水中心:只要和不带电原子或电负性中心相连的一组连续的碳原子都可以形成疏水中心CH3C2H5电荷中心:可能能够与受体形成盐桥或较强的静电相互作用芳环中心:形成π-π相互作用NCatalyst应用实例HIV-1整合酶抑制剂5HT再摄取抑制剂5α-还原酶抑制剂MC细胞增殖抑制剂TGFβ受体激酶抑制剂α4β1拮抗剂5-HT7受体拮抗剂CYP17抑制剂CDK(Pfmrk)抑制剂鼻病毒coat蛋白抑制剂FPT抑制剂Catalyst(Linux)DiscoveryStudio(Windows&Linux)界面友好VScatalystDiscoverystudio功能添加HypoGenHipHopHypoRefine&HipHopRefineShapeHypoGenHipHopHypoRefine&HipHopRefineShapeDS2.5Structure-BasedPharmacophorePharmacophore-BasedDeNovoDesignLigandProfilercatalystDiscoverystudio功能添加ConformerGeneration•FAST•BESTConformerGeneration•FAST•BEST•CAESAR•SystematicSearch•RandomSearch•BoltzmannJump新结构先导化合物发现先导化合物结构优化识别分子靶标......药效团应用---基于配体的药效团模型pharmacophores16compounds(trainingset)MayBridge,Scaffold160677compounds实例分析1(先导化合物发现)1150compounds36compounds构建筛选对接验证Trainingset:模型构建产生多个药效团模型如何选择产生的模型是否可信模型构建模型验证Fischer’srandomizationmethodDecoyset模型验证Testset虚拟筛选MayBridge,Scaffold160677compounds1150compounds+Trainingset(16)Ligandfit36Compounds化合物库筛选可以构建自己的化合物库安装其他化合物库,CNPD,ACD等DS中自带的化合物库database•寻找与化合物活性相关的药效团特性•构建的药效团模型具有活性预测功能对训练集分子的要求•分子结构兼具多样性•活性分子的活性值至少跨越4个数量级•每个活性数量水平的化合物分子数量至少为3个,总数在18-25个。•容忍活性水平很小的化合物•结构类似的化合物之间活性相差至少一个数量级•活性相似的化合物之间结构不同•需要包含Activ和Uncert性质构建具有活性预测能力的药效团3D-QSARPharmacophoreGenerationHypoGen(quantitative)实例分析2(先导化合物优化)Trainingset:TestsetPharmacophoremodesIC50=1.43IC50=0.004实例分析3qualitativeSearch3DdatabaseDock(Ligandfit)•对于训练集要求:-输入的分子结构具有多样性-化合物数目在2-32个,6个左右比较理想-只选用具有活性的分子-需要包含Principal和MaxOmitFeat性质•方法总结-找到一组化合物的公共药效特性-不需要SAR的信息-使用有活性的化合物作为输入结构-返回一组公共的药效特性-产生的药效团根据打分排序-可同时处理大量分子-多种不同格式的分子(*.cpd,*.mol2,*.mmod)基于特性结构产生药效团CommonFeaturePharmacophoreGenerationHipHop(quanlitative)实例分析3qualitativeSearch3DdatabaseDock(Ligand...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

药效团的构建

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部