《藥物分子設計:從入門到精通》是2012年華東理工大學出版社出版的圖書，作者是Gisbert Schneider。
基本介紹
- 書名：藥物分子設計：從入門到精通
- 作者：(德國)Gisbert Schneide 、(德國)Karl-Hainz Baringhaus
- 譯者：唐贇
- ISBN：7562832285, 9787562832287
- 頁數：229頁
- 出版社：華東理工大學出版社
- 出版時間：2012年3月20日
內容簡介,作者簡介,圖書目錄,
內容簡介
本書採用淺顯易懂的語言，系統介紹了計算機輔助藥物發現和設計的基本概念和原理，重點介紹了藥物分子設計技術，並輔以精心挑選的套用實例和案例分析。本書由藥物分子設計領域的國際著名專家編著，圖文並茂，既有適合於初學者入門的最基本原理，也有適合於有經驗分子模擬人員提高的最前沿虛擬篩選和分子設計技術。因此，本書不但可作為藥學、化學和生物學等相關專業學生學習藥物分子設計的入門教科書，也可作為藥物發現科研人員以及其他感興趣人員的學習參考書。《藥物分子設計:從入門到精通》編輯推薦：內容特點：配套《Molecular Design: Concepts and Applications》的一本引進版圖書；結構特點：編排體系新穎，從基本概念入手，由淺入深鋪展開來，套用大量案例並進行案例分析；適用對象：初學者入門和已有一定基礎的研究人員自學參考。
作者簡介
Gisbert Schneider，德國法蘭克福歌德大學化學和生物信息學教授。進入歌德大學之前，他在瑞士巴塞爾羅氏製藥公司領導化學信息學小組。他的研究興趣主要是採用計算機輔助技術合理設計生物活性分子，他在歌德大學領導的分子設計實驗室（modlab）致力於開發分子從頭設計、虛擬篩選、骨架躍遷等方法。他著有多本有關虛擬篩選和藥物設計的書籍；Karl-Hainz Baringhaus目前是位於德國法蘭克福的賽諾菲－安萬特製藥公司藥物設計部主任。他從德國明斯特大學獲得合成有機化學博士學位，隨後在美國史丹福大學進行博士後研究，1991年加入Hoechst製藥公司藥物化學部。6年後，他進入分子模擬部門，1998年成為分子模擬部門負責人，2000年成為德國安萬特製藥公司計算化學部門負責人。
圖書目錄
第1章 分子概念與設計目標.
1.1 什麼是分子？
1.2 分子的簡化表達
1.3 分子表面
1.4 分子形狀.
1.5 分子拓撲圖形
1.6 分子性質和圖形不變數.
1.7 類藥性概念
1.8 骨架，連線子和側鏈.
1.9 子結構相似性和“優勢結構”
1.10 分子的字元串表達.
1.11 從字元串入手構建分子
1.12 從元素符號到原子類型
1.13 進入第三維：自動構象生成
1.14 生物活性構象.
參考文獻..
第2章 受體－配體相互作用
2.1 蛋白－配體相互作用的熱力學
2.2 熵的貢獻
2.3 從理論到實驗：Ki和IC50值
2.4 QSAR：定量評估結構－活性關係
2.4.1 Free－Wilson分析
2.4.2 Hansch模型
2.4.3 3D-QSAR
2.5 受體－配體相互作用類型
2.6 生物效應團的概念
2.7 潛在藥效點
2.8 用相關矢量構建藥效團模型
2.9 “硬球”和“模糊”藥效團模型
2.10 自動配體對接和打分的教訓：什麼可行及什麼不可行
2.11 象手套一樣適合：另類的配體結合模式及誘導契合效應. 參考文獻
第3章 產生設計
3.1 為什麼需要計算機輔助分子設計
3.2 藥物靶標的數目有限
3.3 配體結合位點
3.4 基於配體的化合物庫設計
3.5 相似化合物未必以相似的方式與靶標結合
3.6 同一配體可有多個結合模式
3.7 GPCR是一類具有挑戰性的靶標家族.
3.8 天然產物是靈感之源
3.9 過渡態類似物是強效酶抑制劑
3.10 新靶標有時需要新的配體設計理念
3.11 從頭設計概念
3.12 從頭設計中的主要和次要限制
第4章 虛擬篩選
4.1 藥物發現流程
4.2 高通量篩選（HTS）為何能成功？
4.3 從命中化合物到先導化合物
4.4 設計過程的合理化..
4.5 從高多樣性到低多樣性
4.6 多樣性難以定量化.
4.7 從負設計到正設計.
4.8 注意頻繁命中的分子
4.9 形狀匹配－粗略的過濾步驟
4.10 終極目標：骨架躍遷
4.11 集中庫的化學多樣性評價
4.12 虛擬篩選得到新骨架化合物的成功實例
4.13 案例分析
4.13.1 Kv1.5離子通道調節劑的設計
4.13.2 從天然產物衍生的組合庫虛擬篩選發現新型5-脂氧酶抑制劑
4.13.3 大麻素受體CB-1配體骨架的從頭設計
第5章 其它設計要求和機器學習方法
5.1 物理化學和藥物動力學
5.2 五倍律
5.3 藥物動力學
5.4 吸收
5.5 分布
5.6 代謝
5.7 消除
5.8 毒性
5.9 前藥和生物電子等排體
5.10 機器學習方法輔助先導物的發現和最佳化
5.11 一個重要的步驟：數據縮放
5.12 套用機器學習方法進行化合物庫設計.
5.13 藥效團路線圖
5.14 案例分析
5.14.1 代謝型谷氨酸受體mGluR變構調節劑的交叉活性預測
5.14.2 多巴胺D3受體拮抗劑和血管緊張素轉化酶ACE抑制劑
5.14.3 用於組合最佳化的人工螞蟻系統.
附錄：專業辭彙中英文對照
1.1 什麼是分子？
1.2 分子的簡化表達
1.3 分子表面
1.4 分子形狀.
1.5 分子拓撲圖形
1.6 分子性質和圖形不變數.
1.7 類藥性概念
1.8 骨架，連線子和側鏈.
1.9 子結構相似性和“優勢結構”
1.10 分子的字元串表達.
1.11 從字元串入手構建分子
1.12 從元素符號到原子類型
1.13 進入第三維：自動構象生成
1.14 生物活性構象.
參考文獻..
第2章 受體－配體相互作用
2.1 蛋白－配體相互作用的熱力學
2.2 熵的貢獻
2.3 從理論到實驗：Ki和IC50值
2.4 QSAR：定量評估結構－活性關係
2.4.1 Free－Wilson分析
2.4.2 Hansch模型
2.4.3 3D-QSAR
2.5 受體－配體相互作用類型
2.6 生物效應團的概念
2.7 潛在藥效點
2.8 用相關矢量構建藥效團模型
2.9 “硬球”和“模糊”藥效團模型
2.10 自動配體對接和打分的教訓：什麼可行及什麼不可行
2.11 象手套一樣適合：另類的配體結合模式及誘導契合效應. 參考文獻
第3章 產生設計
3.1 為什麼需要計算機輔助分子設計
3.2 藥物靶標的數目有限
3.3 配體結合位點
3.4 基於配體的化合物庫設計
3.5 相似化合物未必以相似的方式與靶標結合
3.6 同一配體可有多個結合模式
3.7 GPCR是一類具有挑戰性的靶標家族.
3.8 天然產物是靈感之源
3.9 過渡態類似物是強效酶抑制劑
3.10 新靶標有時需要新的配體設計理念
3.11 從頭設計概念
3.12 從頭設計中的主要和次要限制
第4章 虛擬篩選
4.1 藥物發現流程
4.2 高通量篩選（HTS）為何能成功？
4.3 從命中化合物到先導化合物
4.4 設計過程的合理化..
4.5 從高多樣性到低多樣性
4.6 多樣性難以定量化.
4.7 從負設計到正設計.
4.8 注意頻繁命中的分子
4.9 形狀匹配－粗略的過濾步驟
4.10 終極目標：骨架躍遷
4.11 集中庫的化學多樣性評價
4.12 虛擬篩選得到新骨架化合物的成功實例
4.13 案例分析
4.13.1 Kv1.5離子通道調節劑的設計
4.13.2 從天然產物衍生的組合庫虛擬篩選發現新型5-脂氧酶抑制劑
4.13.3 大麻素受體CB-1配體骨架的從頭設計
第5章 其它設計要求和機器學習方法
5.1 物理化學和藥物動力學
5.2 五倍律
5.3 藥物動力學
5.4 吸收
5.5 分布
5.6 代謝
5.7 消除
5.8 毒性
5.9 前藥和生物電子等排體
5.10 機器學習方法輔助先導物的發現和最佳化
5.11 一個重要的步驟：數據縮放
5.12 套用機器學習方法進行化合物庫設計.
5.13 藥效團路線圖
5.14 案例分析
5.14.1 代謝型谷氨酸受體mGluR變構調節劑的交叉活性預測
5.14.2 多巴胺D3受體拮抗劑和血管緊張素轉化酶ACE抑制劑
5.14.3 用於組合最佳化的人工螞蟻系統.
附錄：專業辭彙中英文對照
