基于小分子配体的药物设计及在药物发现方面的应用
小分子药物的设计与发现技术
小分子药物的设计与发现技术随着科技的不断进步，小分子药物已成为重要的药物发现领域。
与传统的大分子药物相比，小分子药物具有成本低、生产易、生物利用度高等优点。
那么，小分子药物的设计与发现技术有哪些呢？一、组合化学组合化学作为小分子药物的设计技术，已成为主要的药物化学领域。
它通过组合化学方法，快速合成大量复杂的化合物库，然后通过测定这些化合物与目标生物分子的作用，最终筛选出具有生物活性的化合物。
组合化学在药物化学领域应用广泛，特别是在化合物库设计与筛选方面。
二、计算机辅助药物设计计算机辅助药物设计是利用计算机技术在分子水平上进行药物发现与设计的一种方法。
它可以帮助制药公司快速设计并筛选出具有生物活性的化合物。
其中，分子对接和分子动力学模拟是目前最常用的计算机辅助药物设计技术。
通过计算机模拟药物分子与目标蛋白质分子的结合，预测化合物的生物活性和药理作用。
三、高通量筛选技术高通量筛选技术是一种快速筛选大规模化合物库的方法，可以同时测试数万到数百万的化合物，在较短的时间内找到具有高生物活性的化合物。
其中，高通量筛选技术主要包括高能筛选、高通量成像和微阵列技术等。
通过高通量筛选技术，可以大大缩短药物研发周期，提高药物的开发效率。
四、分子印迹技术分子印迹技术是一种基于分子识别原理的新型分析技术，可以通过选择性地捕捉和分离目标分子。
在小分子药物的设计和发现中，分子印迹技术可以通过合适的模板和模板释放器，在化合物和模板作用后，从中筛选出特异性更强的化合物。
分子印迹技术具有选择性高、操作方便等优点，目前已成为小分子药物设计与发现领域的一种主要方法。
总之，小分子药物的设计与发现技术不断创新，以合理的药物设计和筛选为药物研发提供新的可能性。
未来，随着新型技术的不断涌现，小分子药物的开发速度和质量将会得到大幅提高，从而更好地推动人类健康事业的进程。
MOE-基于结构的药物设计及在药物发现方面的应用
药物发现/设计
基于大分子结构的 基于小分子配体的 基于片段的
上市
转化医学
药代动力学 吸收/分布/排除 代谢 毒性检测 先导化合物优化 临床数据管理 2010 © CloudScientific All Rights Reserved 临床数据统计分析
药物开发 (临床前及临床试验)
about moe
2010 © CloudScientific All Rights Reserved
我们代理如下公司产品在中国的业务
ChemAxon
2010 © CloudScientific All Rights Reserved
我们提供的解决方案
生物学
生物信息学 基因组学 蛋白组学 结构生物学 信号转导通路
about cloudscientific
2010 © CloudScientific All Rights Reserved
Best Solutions for Best Research
公司介绍
上海康昱盛信息科技有限公司
2010 © CloudScientific All Rights Reserved
2010 © CloudScientific All Rights Reserved
我们能为您提供以下方面的价值
• •
产品: 世界领先的生命科学软件产品 解决方案：针对客户的专业需求，提供专业的产品组合建议和科学应 用方面咨询，并可做客户化的定制开发
•
培训: 不仅为客户提供产品定制的专业培训，并且定期邀请行业专家 提供专业知识和行业进展的高级培训
2010 © CloudScientific All Rights Reserved
Molecular Operating Environment MOETM
小分子药物的发现与设计
小分子药物的发现与设计随着现代医学的发展，小分子药物在治疗疾病方面越来越受到重视。
小分子药物是指分子量较小的、可以口服或注射的化学物质，它们通常是有机化合物，可以通过口腔、肠道、皮肤等途径进入体内。
相比于大分子药物，小分子药物具有生物利用度高、半衰期短、毒副作用小等优点，成为了治疗疾病的首选药物。
本文将探讨小分子药物的发现与设计过程。
一、小分子药物发现的来源与途径小分子药物的来源主要包括天然药物和人工合成药物两种。
天然药物是从动植物中提取出来的有生物活性的化合物，例如吗啡、阿司匹林等。
这类药物具有来源广泛、结构多样、生物活性强等优点，但是提取来源困难、合成难度大、副作用多、药物疗效不稳定等缺陷也很明显。
人工合成药物是通过化学反应合成出来的化合物，例如青霉素、对乙酰氨基酚等。
这类药物具有结构稳定、可控性强、合成方便等优点，但是也有药物产量低、纯度低、制备成本高等问题。
除了天然药物和人工合成药物之外，还有一种新型的小分子药物发现途径——计算机辅助药物设计。
这种方法利用计算机模拟技术对药物分子进行模拟，从而预测出药物的结构、性质、活性等信息，指导药物研发。
计算机辅助药物设计可以大大提高药物研发速度和成功率，减少药物开发的成本，因此也成为了新型小分子药物研发的重要方法之一。
二、小分子药物的设计原则小分子药物的设计需要考虑多种因素，除了药物分子的生物活性之外，还需要考虑其药代动力学、毒副作用、药物稳定性、制备成本等因素。
因此，小分子药物的设计需要遵循一系列原则，主要包括以下几点。
1. 分子结构设计原则药物分子的结构决定了其生物活性和物理化学性质。
结构设计时需要考虑药物分子的空间构型、官能团构建和取代基调整等因素。
药物分子的空间构型要满足生物活性所需的构象限制条件，例如扭角、键角等，以保证药物的立体特异性。
官能团的构建需要依据药物作用机制和受体结构设计，例如氨基、羟基、胺基等，以增加药物的亲和性和生物活性。
MOE-基于结构的药物设计及在药物发现方面的应用
2010 © CloudScientific All Rights Reserved
2D Matching: (Fingerprint) Similarity Searching
Homology Model
by using more than one template in the presence of ligands, prosthetic groups, or other molecular entities as multimers: dimers, trimers, or tetramers
MOE‐Dock
Easy‐to‐use, fast, reliable Placement Methods: Triangle Matcher Alpha Triangle Alpha PMI Proxy Triangle Triangle Matcher Pharmacophore FlexX* GOLD* Scoring Function: London dG Alpha HB Affinity dG ASE
Leads
Known binding site? Yes No
Potency ? Selectivity? Physical Properties? ADMET?
Good, nothing need to do
Find Binding Site
Optimization
Not Good
2010 © CloudScientific All Rights Reserved
Receptor‐Based Drug Design
Given Protein
Known 3D Structure? Yes No
Pharmacophore Search Docking / Scoring
小分子药物的设计与开发
小分子药物的设计与开发小分子药物是一种药物，其化学结构分子量一般在500 Dalton以下，由于其小分子量，可以通过口服或注射等方式进入人体内部，便于吸收和分布，对于大多数人群都安全，且价格相对较低。
小分子药物是目前药物研究领域的主要研究方向之一，尤其近几年来也越来越受到广泛关注。
本文将结合国内外研究案例，向读者介绍一些小分子药物设计与开发的经验。
一、小分子药物的选药策略小分子药物的研发主要分为药物发现、优化、前期研发和临床开发四个阶段。
在药物发现阶段，通常采用结合设计和高通量筛选技术，以寻找潜在的治疗靶点。
优化阶段是通过结构优化、药效修饰、药代动力学探索等技术，来改进药物性质，以提高药物的生物利用度和效果。
而前期研发和临床开发，则是通过严格的药物质量控制、安全评价、药物动力学、药效学等方面的处理，来确保药物的质量和效果。
小分子药物的选药策略是非常关键的一个环节，需要综合考虑疾病的发病机制、药物毒副作用、药物渗透性和代谢动力学等因素。
同时，在药物的选药过程中，也要以市场前景和潜在利润作为考虑因素。
二、小分子药物的结构优化在小分子药物的设计过程中，结构优化是非常重要的一个步骤。
科学家们可以通过合成、药效和结构分析等研究手段，来优化小分子药物的化学结构，提高药效和减少不良反应。
例如，人们在陆续研究过程中发现，小分子药物结构中的不同取代基，对药效的影响十分明显。
多数情况下，取代基应具有水合性，这有利于小分子药物进入人体内部，并提高药效。
同时，取代基的极性和空间排列，也极大影响小分子药物的药效和兼容性。
三、小分子药物的药效优化在药效优化中，科学家们通常采用药物代谢印迹技术，对于药物分子结构进行分析，以寻找新的药物调节机制。
药物的代谢印迹技术，也称关键酶基因组学，其原理是制备出酶源可从体内外提取，与药物同时应用，记录药物分子与酶的交互作用，进一步找出酶分子的作用特点和作用机制。
同时，药物分子与蛋白发生作用也有可能导致药物分子蛋白发生改变，这也是优化药物效果的一个重要方向。
小分子抗肿瘤药物的分子设计与应用
小分子抗肿瘤药物的分子设计与应用随着技术的发展和研究的深入，小分子抗肿瘤药物在肿瘤治疗中日益受到更多的关注。
这些药物通常是有机化学合成的化合物，与肿瘤细胞发生特定的相互作用来杀死或抑制其生长。
分子设计是小分子抗肿瘤药物研究的重要环节。
通过研究肿瘤生长和细胞组成，精准控制小分子药物的分子结构，可以增强其靶向性和活性，提高其疗效和减轻毒副作用。
以下将重点讨论小分子抗肿瘤药物的分子设计与应用。
一、分子结构优化分子结构优化是小分子抗肿瘤药物研究的关键环节。
在药物设计时，需要根据其作用机制、药效和毒副作用等方面对分子结构进行精准控制和调整，使其适应肿瘤组织中的生理环境，从而达到更好的疗效。
近年来，采用计算机辅助分子设计和模拟技术，能够快速评估不同小分子药物的分子结构，找到最优设计方案。
例如，经过分子模拟和动力学模拟计算后，可以确定优化肽类抗肿瘤药物的空间构象和受体亲和性，从而实现其更好的靶向性和药效。
二、靶向策略靶向策略是小分子抗肿瘤药物研究的重要方法之一。
通过选择特定的肿瘤细胞分子作为药物靶标，使药物更加精准、选择性地作用于肿瘤细胞，从而提高其抗肿瘤效果。
例如，EGFR作为一种癌细胞的广泛表达受体，抗EGFR药物已经被广泛研究。
透过对它的研究，小分子抗肿瘤药物研究者制造了执行高度选择性的酪氨酸激酶抑制剂、小分子ErbB2靶向抑制剂和针对raf-1蛋白激酶的小分子抗肿瘤药物，这些都能在EGFR通路上调节信号传导，从而对细胞生长起阻止作用。
三、药物靶向途径药物靶向途径也是小分子抗肿瘤药物研究的关键之一。
通过分析病理生理学，发现早期肿瘤细胞逃逸免疫激活和麻痹肿瘤免疫系统，从而发展出针对免疫靶向策略的小分子抗肿瘤药物。
例如，PD-1和PD-L1被证实在许多肿瘤中起到了免疫逃逸机制。
PD-1抑制剂是最新的小分子抗肿瘤药物之一，其通过阻断PD-1与PD-L1互相作用的路径来增强T细胞的免疫反应。
该类药物已经在很多肿瘤治疗中成功应用。
分子对接在药物研发中的应用
分子对接在药物研发中的应用1 分子对接作为药物设计的核心技术，分子对接（docking）是利用计算机模拟配体和受体分子之间通过匹配原则相互识别的过程。
在配体小分子发生药物作用过程中，配体小分子与生物大分子相互接近对方，双方采取合适的取向，使配体小分子与生物大分子在活性位点达到契合，并相互作用，再不断调整构象，形成稳定的复合物构象。
通过计算机模拟软件确定复合物中的配体小分子与生物大分子的相对位置和取向，再对两个分子的构象以及底物构象在形成复合物过程中的变化进行研究、判断、计算，最终确定药物作用机制。
2 分子对接方法分子对接（docking）的含义是利用化学计量学方法，采用计算机软件模拟分子的几何结构和分子间作用力来进行分子间相互作用的过程。
其操作过程是，利用计算机分子对接软件，首先通过蛋白质数据库获得受体生物大分子的三维结构，在配体蛋白质上寻找结合药物小分子活性位置，由于受体大分子存在苦干个活性位置，由此便产生多个假定的结合位点。
通过计算机模拟技术，将已知结构的药物小分子数据库中的每个小分子投放到蛋白大分子上，逐一放置在生物大分子的活性位点上，配体小分子与受体大分子各自改变其构象，以适应对方的要求，通过不断改变药物小分子化合物的取向，发现配体小分子与受体大分子结合的合理放置取向和最佳结合构象，按照配体小分子与受体大分子几何互补、能量互补以及化学环境互补的原则实时判断配体小分子与受体大分子相互作用的状态，当配体小分子与受体大分子形状互补、性质互补为最佳匹配，达到契合状态，依据大分子表面的这些结合点与药物小分子的距离匹配原则，计算预测两者的结合模式和亲和力，并按照与大分子的结合能，通过打分函数对计算结果为小分子打分，识别并预测受体-配体复合物结合模式（构象），并评价其与受体的结合能，挑选出接近天然构象的与生物大分子亲和力最好的药物分子。
由于分子对接是依据生物大的结构信息以及与药物分子之间的相互作用信息，使得利用分子对接进行药物设计和药物研发更加科学合理。
小分子药物设计
小分子药物设计小分子药物设计是一种新药物发现的方法，它的研究方法有多重，包括直接设计、筛选、评价和优化。
在这个过程中，药物设计人员需要考虑许多因素，如药物生物学，化学、药理学和ADME等，以确保新药物可以成功地进入市场。
下面我将介绍小分子药物设计的步骤以及其背景。
小分子药物设计是一种基于结构的药物设计方法，它的目标是针对疾病相关的生物靶点筛选化合物，并设计药物化合物的物理性质，如毒性、光学活性、水溶性和药代动力学参数。
在小分子药物设计的过程中，药物设计人员需要通过对药物靶点的了解以及对生物分子的交互方式进行分析，从而确定化合物的结构、性质和潜在的作用机制。
小分子药物设计的步骤包括靶点发现、分子筛选与评估、分子设计和分子优化。
靶点发现是找出与疾病相关的生物分子，以便对其进行化合物筛选。
分子筛选和评估是从大量化合物中选出特定化合物的过程，以确定其对生物分子的活性和亲和力。
分子设计是将已知的药物分子进行结构优化以提高其药效和药代动力学性能。
分子优化则是在分子设计基础上，通过系统的药理动力学实验得出的知识指导，进一步优化化合物的结构，达到更好的药效和药代动力学性能。
现代药物研发通过利用高通量技术、计算机搜索和分子模拟等技术，它可以更快地优化小分子物质，使其适应药物的治疗目标。
现在的小分子药物设计技术还可以通过引入多样的羧甲酸酯化合物、氨基甲酸酯化合物和抗体模拟等模板化合物，可以提高小分子药物与药物靶点之间的亲和力，从而改善小分子药物的生物学理论特性。
在小分子药物设计的过程中，药物设计人员需要高度关注药物分子的理论特性，如药物分子与生物分子之间的交互方式、降低毒性和提高药效等。
因此，药物设计人员需要通过对疾病基础研究的深入了解来发明小分子药物，以此来提出更好的治疗方案。
总之，小分子药物设计是一种极具前景的新药物发现方法，它将为现代药物研究提供新的机会。
在未来的药物研发中，小分子药物设计将会发展出更多的新技术，以改善开发时间和增强药物的疗效。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2010 © CloudScientific All Rights Reserved
SAReport 建议活性分子
1. Enumerating all of the input molecules. 2. Performing single‐point mutations at each of the substituent positions 3. The unique list of chimeric molecules is then scored according to an estimate of probability
2010 © CloudScientific All Rights Reserved
活性药效团分析
Analyzed by MOE Flexible Alignment: Top 5 active molecules. Consensus Ph4: share the same pattern R1 is Hyd R2 is Hyd R3 contains Aro
Aro Amd
Hyd
FTrees Similiarity = 0.81 FTrees is developed by BioSolveIT©
M.Rarey and S.Dixon, JCAMD, 12 (1998)
NH2
2010 © CloudScientific All Rights Reserved
我们于2009年1月从英国帝国理工大学所属的InforSense公司分出， 在上海设立总部及办公室。 我们由一群经验丰富的行业专家组成，所有人都有生物医药及信息学 的背景 目前我们已经有100 多个客户 目前我们的技术服务及咨询团队有10个人，每个人都有硕士以上学位 我们与中国的许多顶级科研机构有广泛的联系与合作
Feature Tree
2½D FTrees descriptor:
Feature Tree
O
Vol.: Ring cl: Profile: 33.9 0
O
HN O O
O
Aro Amd
Hyd
Acc
Don
N N N H2N N NH+
Vol.: Ring cl: Profile: Acc Don
44.27 1
2010 © CloudScientific All Rights Reserved
Pharmacophore Elucidation
2010 © CloudScientific All Rights Reserved
2D QSAR
To establish the relationship between descriptors and activity. Dataset separation is really important before building a QSAR model. We can use PCA, similarity‐based clustering, or pharmacophore model to partition the data.
2010 © CloudScientific All Rights Reserved
3D Alignment (Superpose)
Evaluate similarity based on shape, pharmacophore, or electrostatic distribution
2010 © CloudScientific All Rights Reserved
2010 © CloudScientific All Rights Reserved
Pharmacohpore Model Building and Searching
2010 © CloudScientific All Rights Reserved
Consensus pharmacophore model from 3D alignment results
2010 © CloudScientific All Rights Reserved
How to measure similarity?
• Fingerprint • Feature Tree • 3D Alignment
2010 © CloudScientific All Rights Reserved
No receptor structure?
2010 © CloudScientific All Rights Reserved
How to discover or design a new active ligand?
• Similarity
If the new found molecule is similar with the original active ligand, the potency of the new one may be close to the old one’s. Quantitative in similarity, qualitative in potency prediction.
基因组学 蛋白组学
生物通路网络分析
药物设计发现
云计算平台
2010 © CloudScientific All Rights Reserved
应用领域
生物学
生物信息学 基因组学 蛋白组学 结构生物学 信号转导通路分析
药物发现/设计
基于大分子结构的 基于小分子配体的 基于片段的
上市
转化医学
药代动力学 吸收/分布/排除 代谢 毒性检测 先导化合物优化 临床数据管理 2010 © CloudScientific All Rights Reserved 临床数据统计分析
药物开发 (临g design
2010 © CloudScientific All Rights Reserved
Ligand‐Based Drug Design
• Only the active ligand(s), to find a new molecule at least as good as, or better than the original ligand.
2010 © CloudScientific All Rights Reserved
背景知识
66 molecules from the original paper: JMC, 1992, 35, 2543‐2550.
1. What makes the molecule be ‘active’ or ‘not active’? 2. Can we design new active molecules?
2010 © CloudScientific All Rights Reserved
Similarity‐based Clustering
Jarvis‐Patrick Algorithm A A B C … Y Z 1 0 1 … 0 1 B 0 1 1 … 1 0 C 1 1 1 … 0 1 … … … … 1 … … Y 0 1 0 … 1 0 Z 1 0 1 … 0 1
2010 © CloudScientific All Rights Reserved
Similarity‐based Diverse Subset Selection
The farthest molecules in a set (cluster).
1st Run
2nd
Run
3rd
Run
Choosing representative molecules in one set.
r2 = 0.95 q2 =0.75
2010 © CloudScientific All Rights Reserved
3D QSAR
2010 © CloudScientific All Rights Reserved
案例研究
抗球虫三嗪分子定量构效关系 分析及设计
中国农业科学院上海兽医研究所 薛飞群教授 实验室 康昱盛信息科技有限公司
2010 © CloudScientific All Rights Reserved
我们能为您提供以下方面的价值
• •
产品: 世界领先的生命科学软件产品 服务：数据分析服务、定制开发服务、培训服务
2010 © CloudScientific All Rights Reserved
我们代理如下公司软件产品
Similarity‐based Clustering
Testing all compounds vs. Testing each compound for each cluster ? Building predicted model for all birds vs. Building predicted models chickens, ducks and gooses?
If A is similar with B, then 1; If not, then 0.
#(A B) Overlap = #(A B) ＝0.90
If overlap > 0.85, then mol A and mol B belong to the same cluster.
2010 © CloudScientific All Rights Reserved
Fingerprint Model 10001010101010… Feature Tree Model
Database
3D Alignment Model
Pharmacophore Model
X‐Model
screening 2D QSAR Model Y=a*d1+b*d2+… 3D QSAR Model