药效团在药物研发中的应用
药效团在药物研发中的应用
一、药效团概述
药效团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。这些“药效特征元素”是配体与受体发生相互作用时的活性部位，它们可以是某些具体的原子或原子团，比如氧原子、羟基、羰基等，也可以是抽象的化学功能结构，如疏水基团、氢键给体、氢键受体等。
药效团模型方法作为一种发现先导化合物的有效方法在药物研发领域已经得到了广泛的应用，随着小分子三维结构数据库信息量的迅速增加以及计算机技术的快速发展，药效团模型方法在药物设计中的成功应用会越来越多。
二、药效团模型的构建方法与应用
根据受体结构是否已知，构建药效团模型的方法主要包括基于活性小分子的药效团和基于受体的药效团。药效团模型方法作为一种药物研发的有效方法，主要应用包括：基于药效团虚拟筛选发现新结构先导化合物，先导化合物结构优化，全新药物设计以及识别分子靶标等。
图1 药效团的构建方法及应用
三、药效团建模的基本步骤
基于受体的药效团模型主要是分析受体活性口袋的作用位点以及药物分子和受体之间的相互作用模式，根据预测的复合物结构或相互作用信息来推知可能的药效团结构，得到基于受体结构的药效团。
基于活性小分子的药效团模型是在受体结构未知或者在作用机制不明确的情况下，通过事先收集一系列活性小分子，进行结构-活性研究，并结合构象分析、分子叠合等手段，得到一个基于活性小分子共同特征的药效团。
图2 基于活性小分子的药效团建模流程
四、成功案例
基于药效团的分子设计是创新药物研究的重要方法。基于已有COX-2抑制剂的结构构建了药效团，并根据药效团特征及其分布，设计了以不饱和吡咯烷酮为骨架的COX-2抑制剂，经过活性评价及临床研究，最终艾瑞昔布作为非甾体消炎镇痛药一类新药成功上市。
图3 基于药效团艾瑞昔布的发现
基于药效团的三维数据库搜索方法是一种发现新型先导化合物的快捷而有效的途径。HIV-1整合酶对于HIV病毒在人体内存活并形成持续感染起着至关重要的作用。HIV-1整合酶抑制剂能够有效地拮抗整合酶的活性，从而抑制病毒感染，达到治疗疾病的目的。Neamati等采用药效团模型方法成功进行了整合酶抑制剂新先导化合物的发现研究。研究人员利用收集到的5种已知的HIV-1整合酶抑制剂，产生了一个基于这些抑制剂共同特征的药效团，采用得到的药效团模型，搜索了一个包含15万个小分子的化合物数据库，搜索得到了1700个命中结构。然后研究人员将这1700个化合物采用分子对接方法对接到HIV-1整合酶的活性口袋，进一步选择了110个结合自由能最高的化合物，并进行生物活性测定。活性测定最终结果表明，在这110个化合物中，48个具有整合酶抑制活性，其中27个化合物骨架非常新颖，13个活性非常强(IC50<30
uM)。
图4 基于药效团的HIV-1整合酶抑制剂新型先导化合物发现流程
参考文献：
Yang S Y. Pharmacophore modeling and applications in drug discovery: challenges and recent
advances[J]. Drug Discovery Today, 2010, 15(11): 444-450.
郭宗儒. 国家1类新药艾瑞昔布的研制[J]. 中国新药杂志, 2012, 21(003): 223-230.
Dayam R, Sanchez T, Neamati N. Diketo acid pharmacophore. 2. Discovery of structurally diverse
inhibitors of HIV-1 integrase[J]. Journal of medicinal chemistry, 2005, 48(25): 8009-8015.
利用计算机辅助设计的药物结构优化方法
利用计算机辅助设计的药物结构优化方法
在药物研发领域，计算机辅助设计（Computer-Aided Drug Design，CADD）为药物结构的优化提供了有效的方法和工具。通过利用计算机模拟和计算化学技术，可以加快药物研发的速度和效率，并降低研发成本。本文将介绍几种常用的利用计算机辅助设计的药物结构优化方法。
一、序列分析和构效关系分析
序列分析是指通过比对生物分子（如蛋白质）的序列，寻找共性和差异，并分析其对生物活性的影响。通过这种方法可以发现潜在的靶点，并预测药物分子与靶点的相互作用情况。构效关系分析则是通过分析化合物结构和生物活性之间的相关性，寻找结构对活性的贡献，为合理设计药物分子提供依据。
二、分子对接和模拟
分子对接是指将小分子（药物分子）与大分子（目标蛋白）进行计算，预测药物分子与靶点的结合模式和亲和力。这种方法可以帮助优化药物分子的结构，增加与靶点的亲和力，并减少与其他非靶向蛋白的结合。分子模拟则是通过计算化学方法，模拟药物分子在生物体内的行为和相互作用，对药物的吸收、分布、代谢和排泄等性质进行预测和优化。
三、药效团和三维定量构效关系
药效团（Pharmacophore）是指影响药物分子生物活性的结构部分，通过药效团的识别和优化，可以设计出具有高生物活性的化合物。三维定量构效关系则是通过建立数学模型，揭示化合物的三维结构和生物活性之间的关系，为合理设计药物分子提供依据。
四、高通量筛选和虚拟筛选 高通量筛选（High-Throughput Screening，HTS）是一种快速筛选大量化合物的方法，通过利用自动化技术和计算机模拟，对大规模化合物库进行筛选，寻找具有潜在药物活性的化合物。虚拟筛选是指通过计算机模拟方法，预测化合物与靶点的结合情况，从化合物库中选择潜在的药物分子，以减少实验所需的时间和成本。
五、分子动力学模拟和系统生物学
分子动力学模拟是一种通过计算模拟方法，模拟药物分子在生物体内的动态过程，了解药物分子与生物环境之间的相互作用。这种方法可以揭示药物分子的构象变化、溶解度、稳定性等关键性质，为药物结构的优化提供指导。系统生物学则是通过整合实验数据和计算模型，研究生物系统的结构和功能，以预测药物分子对生物体的影响和作用机制。
药物设计——精选推荐
生物靶点:与药物特异性结合的生物大分子统称为药物作用的生物靶点。
特殊转运：如离子泵、特定物质的载体以及胞摄、胞吐等转运过程均需依赖酶促反应，并需消耗一定
的能量，但可不随浓度梯度而定向转运，因此称特殊转运。 信息：指将体内固有的遗传因素和环境变化因素传递到功能调整系统的消息或指令。
信号：指传递信息的载体，有许多小分子和大分子化学物质，也有物理因素（生物电、温度等）。
信号转导：指经过不同的信号分子转换，将信息传递到下游或效应部位。
类肽：一类能够模拟天然肽分子，具有配基或底物样识别功能，可以与受体或酶相互作用，从而激活
或阻断某种内源性活性肽的生物学作用的肽类似物或非肽。 假肽：当多肽的一个或几个酰胺键被电子等排体取代得到的肽类似物称假肽。
前药原理：在体内，尤其是在作用部位经酶或非酶作用，前药的修饰性基因被除去，恢复成原药而发
挥药效。这一药物设计方法称为前药原理。
孪药：两个相同的或不同的药物经共价键连接，缀合成新的分子，称为孪药。
靶向药物：是利用对某些组织细胞具有特殊亲和力的分子作载体，与药物耦联后将其定向输送到作用的靶器官部位的一种药物设计方法，是前体药物的一种特殊形式，它是以受体或酶与配基特异性结合
为基础的。
类药性：是药代动力学性质和安全性总和，包括药物的理化性质、拓扑结构特征、药代动力学性质以
及毒性特征。
组合化学：是将一些基本小分子构建模块通过化学或者生物合成的手段，将它们系统的装配成不同的组合，由此得到大量具有结构多样性特征的分子，从而建立化学分子库的方法。
高通量筛选技术（HTS）：是指以分子水平和细胞水平的试验方法为基础，以微板形式作为实验工具
载体，以自动化操作系统执行实验过程，以灵敏快速的检测仪器采集实验结果数据，以计算机对实验
数据进行分析处理，同一时间对数以千万样品检测，并以相应的数据库支持整体运转的体系。
化学信息学：是一门应用信息学方法来解决化学问题的学科，研究范围是化合物以及化合物的性质和转化。
计算机辅助药物设计及其在新药研发中的应用
计算机辅助药物设计及其在新药研发中的应用
随着科技的不断发展，计算机辅助药物设计已成为新药研发的重要工具之一。它可以帮助药物研究人员更快地设计出具有高度活性和选择性的化合物，从而加快了新药的研发进程。本文将从计算机辅助药物设计的概念、方法和应用三个方面进行探讨。
一、计算机辅助药物设计的概念
计算机辅助药物设计是利用计算机模拟技术和计算化学方法对分子结构进行模拟和分析，从而快速筛选出具有高选择性、高效率的化合物的过程。计算机辅助药物设计涉及多个学科领域，其中包括计算机科学、化学、生物学和药学等。通过计算机辅助药物设计可以高效地预测药物分子的活性和亲和力，加快新药的发现和优化。
二、计算机辅助药物设计的方法
计算机辅助药物设计有多种方法，包括分子模拟、药效团分析、构象分析等。其中，分子模拟是目前最为广泛应用的方法之一。该方法可以模拟药物分子与目标分子之间的相互作用，从而预测药物的活性。分子模拟包括分子力场、分子动力学等模拟方法。药效团分析则是利用化学信息库，从已知的活性化合物中识别出活性团，进而设计新的分子结构。构象分析则是通过计算化学方法分析分子的结构、构象和物性等特征，为药物设计提供依据。
三、计算机辅助药物设计在新药研发中的应用
计算机辅助药物设计已经广泛应用于新药研发的各个环节，从药物分子的筛选、设计、优化到临床试验阶段都能起到重要作用。计算机辅助药物设计可以大大减少研发周期和成本，提高新药的成功率。以下是计算机辅助药物设计在新药研发中的具体应用。
1. 药物分子的筛选
在众多的候选化合物中，如何快速地筛选出最有前途的活性物质是药物设计中面临的一个重要问题。计算机辅助药物设计可以通过建立药效团、分子对接和虚拟高通量筛选等方法，加速活性化合物的筛选，从而提高新药研发成功率。
2. 药物设计和优化
药物设计和优化是新药研发中至关重要的环节，计算机辅助药物设计可以预测药物的性质和活性，引导化学实验进行进一步的筛选，快速改进药物的质量和效果。计算机辅助药物设计可以帮助研究人员快速设计出抗菌、抗癌等新型药物分子，大大提高了治疗效果。
医药行业生物技术与新药研发方案
医药行业生物技术与新药研发方案
第一章 生物技术在医药行业中的应用 ......................................................................................... 3
1.1 生物技术的概述 ............................................................................................................... 3
1.2 生物技术在药物研发中的应用 ....................................................................................... 3
1.2.1 分子生物学技术在药物研发中的应用 ....................................................................... 3
1.2.2 细胞生物学技术在药物研发中的应用 ....................................................................... 3
1.2.3 遗传学技术在药物研发中的应用 ............................................................................... 3
1.3 生物技术在药物生产中的应用 ....................................................................................... 4
1.3.1 生物技术在药物合成中的应用 ................................................................................... 4
DS教程----药效团
基于药效团的药物发现 吕炜 第一节 药效团技术基本原理 利用分子的三维结构信息进行药物分子设计已经成为药物化学领域一项常规的技术。依据所依赖结构的不同(受体的三维结构或者配体的三维结构)，药物设计的方法又可以分为两种：基于(受体)结构的药物设计方法和基于配体结构的药物设计方法。当受体(蛋白质、酶或DNA)的三维结构已知时，可以采用基于结构的药物设计方法，采用分子对接或从头设计技术，通过研究配体与受体之间的相互作用信息进行药物设计。而当受体结构未知时，则可以通过已知活性的配体分子的三维结构，建立恰当的构效关系模型来指导进行药物分子结构的优化和改造，这种方法叫做基于配体结构的药物设计方法。药效团模型方法就是一种最为杰出的基于配体结构的药物分子设计方法。 一． 药效团的基本概念： 在药物分子和靶点发生相互作用时，药物分子为了能和靶点产生好的几何匹配和能量匹配，会采用特定的构象模式，即活性构象。而且对于一个药物分子，分子中的不同基团对其活性影响是不同的，有些基团的改变对分子活性的影响甚小，而另外一些基团的变化则对分子与靶点的结合起着非常重要的影响。于是，就需要引入一个药效团(Pharmacophore)的概念。药效团是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。这些“药效特征元素”是配体与受体发生相互作用时的活性部位，它们可以是某些具体的原子或原子团，比如氧原子、羟基、羰基等，也可以是抽象的化学功能结构，如疏水团、氢键给体、氢键受体等。 图1展示了一个经典的5-HT6受体拮抗剂药效团模型。该药效团模型由4个药效特征组成，其中两个为疏水团(蓝色球所示)，一个为正电基团(红色球)，另一个为氢键受体基团(绿色球，含方向)。各个药效特征之间存在几何约束，相互之间的距离以及角度需满足一定限制条件。任何药物分子，如果能够满足这一个药效团，就具备了与5-HT6受体结合的必要条件。 图1. 5-HT6受体拮抗剂药效团模型示意图 作为基于配体结构的药物设计中的最主要的两种方法，定量构效关系方法和药效团模型法虽然都是以配体小分子的结构作为起点，但二者之间存在明显不同。定量构效关系方法一般用于研究一系列骨架相同的同系列化合物，所得到的定量构效关系模型只能用于指导这一系列化合物的改造和活性预测。而药效团模型法可以从骨架不同类的先导化合物出发，得到与生物活性有关的重要的药效团特征，这组药效团特征是对配体小分子活性特征的抽象与简化。也就是说只要小分子拥有药效团特征，就可能具备有某种生物活性，而这些活性配体分子的结构未必需要相同，因此药效团模型方法可以用来寻找结构全新的先导化合物。
新型药物的设计和合成
新型药物的设计和合成
随着科学技术的不断发展，医药领域也迎来了革命性的进展。新型药物的设计和合成成为了当今药学领域中的一个重要研究方向。本文将介绍新型药物设计和合成的基本原理及其在医药领域中的应用。
一、新型药物设计的基本原理
新型药物的设计是指通过对生物分子与目标疾病之间相互作用的了解，通过合理的分子设计和结构优化来获得具有较高活性和选择性的化合物。其基本原理包括以下几个方面：
1. 靶点的选择：通过深入研究目标疾病的病理生理机制，确定适合作为药物治疗靶点的关键蛋白质或分子。
2. 药效团的识别：通过大量的实验数据和计算模拟技术，确定与靶点相互作用的关键药效团。
3. 分子结构设计：根据药效团的信息，设计出合适的分子结构，并通过结构优化获得更好的药物活性。
4. 药物候选化合物的筛选：通过高通量筛选技术和生物活性测试，筛选出具有良好药物活性的候选化合物。
二、新型药物的合成方法
新型药物的合成是设计的重要一环，只有通过合理的合成方法才能制备出理想的化合物。以下是几种常见的新型药物合成方法： 1. 有机合成：有机合成是制备新型药物的主要方法之一。通过有机合成反应，可以将不同的功能团或骨架引入到分子结构中，从而获得具有特定药效的化合物。
2. 封闭方法：封闭方法主要用于合成复杂的天然产物类药物。通过封闭反应，将多个反应步骤组合在一起，可以有效地合成目标化合物。
3. 生物合成：某些药物可以通过生物合成的方法获得。生物合成利用微生物或其他生物体的代谢途径，通过加入适当的基因工程改造，产生目标化合物。
4. 点击化学：点击化学是一种快速、高效的合成方法。通过点击反应，将两个或多个小分子快速反应组合成具有特定功能的大分子。
三、新型药物的应用领域
新型药物的设计和合成在医药领域中有着广泛的应用。以下是几个常见的应用领域：
1. 抗癌药物：通过对肿瘤细胞的特异性靶向，新型药物在癌症治疗中发挥着重要作用。靶向药物、免疫调节剂和化疗辅助药物等都是新型抗癌药物的代表。
药效团模型方法
药效团模型方法
x
《药效团模型方法》
一、简介
药效团模型（Drug-Effect Cluster Modeling，DECM）是一种允许变量按类别（诸如性别、年龄等）分组，并允许每个分组的相关因素之间有所不同的研究模型。
DECM通常由两个独立分析团组成，每个团都对药物效应有不同的反应，整个模型可以用来识别影响受试者反应的变量，并预测他们的反应。
DECM的优点在于它可以提供关于某种药物的有效性及影响因素的有效预测模型。它可以帮助研究人员更好地研究一种药物的作用效果，并为临床实践提供有效的建议。
二、原理
DECM基本构建在统计学的线性模型上，应用受试者因素（如性别、年龄等）和药物参数（如剂量、给药时间、口服形式等），以及药物效应参数（如抑制率、免疫细胞百分比等）。它运用多重回归来检测受试者因素与药物效应之间的关系，并进行统计分析，以推断变量变动情况下药物的效应如何变化。
DECM利用统计方法，将受试者划分为一定数量的组，每一组中的受试者都有一定的相似性，并且组内的受试者反应都相近。
三、应用 DECM有助于研究靶点药物，可以提高定位靶点药物的精确度，并使研究人员有能力进行更加精确的抗药性预测。
DECM也可以用来研究其他药物，包括抗感染药物、抗癌药物以及抗心血管病药物等。它可以帮助药物研发人员有效地确定一种药物的作用效果，从而更好地预测疗效。
DECM被广泛应用于临床药物研究领域，它可以更好地研究不同受试者的反应，并为临床实践提供有效的建议。
四、未来研究
未来研究可以深入探索DECM的应用，比如试验设计、数据分析等。此外，未来还可以研究新型的DECM，如基于人工智能的DECM，以提高效率，提高预测精度等。
药效团模型筛选小分子
药效团模型筛选小分子
第一篇：
《用药效团模型筛选小分子，你了解多少？》
咱老百姓啊，现在对健康那可是越来越重视啦！比如说，生病了都希望能快点好起来，吃上管用的药。这就不得不提到一个叫药效团模型筛选小分子的事儿。
给您举个例子，就像挑水果，得挑又大又甜的。药效团模型就像是个特别厉害的“挑水果专家”，能从一堆小分子里，把那些可能成为治病良药的给挑出来。比如说治疗感冒的药，通过这个模型，就能找到那种能有效打败感冒病毒的小分子，然后把它做成药，让咱们吃了能快点好。
这个技术可真是厉害，能让咱们用上更有效的药，少受点病痛的折磨！
第二篇：
《聊聊药效团模型筛选小分子这件大事儿》
朋友们，今天来和大家说一说药效团模型筛选小分子。
比如说，有个科学家团队，一直在研究怎么治疗癌症。他们就用这个药效团模型，在无数的小分子当中筛选，就像在大海里捞针一样。最后真就找到了一些有希望成为抗癌新药的小分子。这给癌症患者带来了多大的希望啊！
所以说，这个筛选小分子的技术，那可是关系着咱们的健康和未来呢！
第三篇： 《药效团模型筛选小分子，为健康助力》
咱都知道，生病了就得吃药。可您知道药是怎么来的吗？这就得提到药效团模型筛选小分子啦。
给您讲个故事，有个老爷爷一直被高血压困扰，吃了好多药效果都不太好。后来啊，科研人员用药效团模型，从好多好多小分子里选出了一种，做成新药。老爷爷吃了之后，血压慢慢就稳定了。您看，这多好！
就是通过这样的筛选，才能不断有新的、有效的药出现，让咱们的健康更有保障。
第四篇：
《走进药效团模型筛选小分子的奇妙世界》
大伙听说过药效团模型筛选小分子吗？这可是个神奇的东西！
比如说，有个小朋友总是过敏，身上痒痒的很难受。科学家们就用这个筛选小分子的办法，找到了能缓解过敏的小分子，做成药给小朋友用，小朋友很快就又能开开心心地玩耍啦。
这就像是给生病的人打开了一扇希望的门，让他们能更快地恢复健康，过上正常的生活。
医药研发中的虚拟筛选与优化技术
医药研发中的虚拟筛选与优化技术
虚拟筛选与优化技术在医药研发中的应用
医药研发是一个漫长而复杂的过程，旨在发现和开发新药物来治疗疾病。传统的药物研发方法需要大量的时间和成本，且效率较低。虚拟筛选与优化技术的出现，为医药研发带来了新的机遇和挑战。本文将探讨虚拟筛选与优化技术在医药研发中的应用及其优势。
虚拟筛选是一种利用计算机模拟技术，在数百万以上的分子数据库中筛选和优化潜在药物的方法。与传统的实验筛选相比，虚拟筛选具有以下显著优势：快速、高效、经济以及减少实验成本和人力资源等。虚拟筛选技术可以从数百万个候选分子中快速找到与目标蛋白结合的最佳分子，从而加速了新药物的发现过程。
在虚拟筛选中，分子对接技术是一种常用的方法。分子对接是指通过计算机模拟，将分子库中的化合物与目标蛋白进行结合模拟，以预测其相互作用的强弱和可能性。该技术可以帮助研究人员筛选最有潜力的药物候选化合物，并预测它们与目标蛋白结合的模式和亲和力。通过分析不同分子与目标蛋白的相互作用情况，可以为药物研发人员提供重要的结构和信息，以优化候选分子的性能。
除了分子对接技术，药效团筛选和QSAR（定量结构-活性关系）模型也是常用的虚拟筛选方法。药效团筛选是通过寻找分子中与蛋白结合区域相互作用的药效团，来预测分子与目标蛋白的结合能力。药效团筛选技术可以高效地筛选出具有潜力的药物候选化合物。而QSAR模型是通过建立数学模型来预测分子结构和生物活性之间的关系，进一步优化候选分子。 虚拟筛选技术在医药研发中的应用十分广泛。首先，虚拟筛选可以用于新药发现，通过筛选大量的化合物库，从中挑选出与目标蛋白具有良好相互作用的分子。其次，虚拟筛选也可以用于药物再利用，即将已经用于其他疾病治疗的药物进行重新筛选和优化，以发现新的适应症。这不仅可以节省时间和成本，还可以提高研发效率。此外，虚拟筛选技术还可以用于药物剂型设计和毒副作用预测等方面。
虚拟筛选技术在医药研发中的应用还面临一些挑战和限制。首先，虚拟筛选的结果需要通过实验验证，以确保其准确性和可靠性。虚拟筛选只是一个辅助工具，不能替代实验验证。其次，分子数据库的质量和数量也对虚拟筛选结果的准确性和可靠性产生影响。越大越全面的化合物库，更有可能找到具有良好相互作用的分子。此外，虚拟筛选技术在面对复杂靶点和药物分子等方面仍面临一定的技术挑战。
定量构效关系的研究方法
定量构效关系的研究方法
1. 引言
定量构效关系研究是药物开发领域中一项重要的任务，它通过定量分析药物结构与活性之间的关系，为药物设计和优化提供指导。本文将介绍几种常用的定量构效关系研究方法，并分析其优缺点及应用领域。
2. 外部指标法
外部指标法是一种常用的定量构效关系研究方法。它通过测定药物分子的物理化学性质或生物活性等外部指标，与其构效关系进行统计分析。外部指标法的优点是简单易行，结果易获取；缺点是没有考虑到药物分子内部结构的变化。
3. 拓扑描述符法
拓扑描述符法是一种基于化学结构拓扑描述符的定量构效关系研究方法。拓扑描述符是一组用于描述化合物分子结构的数学指标，如分子量、分子外形等。通过测定药物分子的拓扑描述符，与其活性进行相关性分析，可以预测药物活性与结构的相关性。拓扑描述符法的优点是简单易操作，缺点是没有考虑到空间结构的变化。
4. 基于药效团的方法
基于药效团的方法是一种基于药效团与活性之间关系进行定量分析的方法。药效团是指具有特定生物活性的结构单元，通过测定药物分子中的药效团数目和位置，可以对药物活性进行预测。基于药效团的方法的优点是考虑了药物分子的内部结构变化，缺点是需要准确确定药效团的数目和位置。
5. 皮层药物性质预测的机器学习方法
随着机器学习技术的发展，越来越多的研究使用机器学习方法进行药物设计和构效关系研究。皮层药物性质预测是一种基于机器学习的方法，通过训练模型预测药物的性质和活性。相比传统方法，机器学习方法可以处理更加复杂和庞大的数据，并根据大量的样本进行预测。但是，机器学习方法也存在着模型的可解释性和过拟合等问题。
6. 结论
定量构效关系研究方法多种多样，每种方法都有其优势和局限性。在实际应用中，可以根据研究的目的和研究对象的特点选择适合的方法。未来，随着科学技术的不断发展，定量构效关系研究方法也将不断创新和完善，为药物设计和开发提供更多的可能性。
希望本文介绍的定量构效关系研究方法对读者有所启发，并对药物研究领域的进一步发展起到积极的推动作用。