常用計算機輔助藥物設計軟件教程 下載 mobi epub pdf 電子書 在線閱讀 2026

內容簡介

　　計算機輔助藥物設計已成為一門新興的研究領域，在閤理藥物設計中發揮不可或缺的作用。
　　《常用計算機輔助藥物設計軟件教程》依據實際工作中各種軟件的應用，介紹瞭分子動力學模擬、分子對接、蛋白質同源模建、定量構效關係的研究、藥效團的構建、虛擬篩選等內容，且每一內容有不止一個軟件的使用介紹，適閤入門計算機輔助藥物設計的廣大師生參考使用。

內頁插圖

目錄

第一章 同源模建法預測蛋白質結構
第一節 同源模建概述
第二節 同源模建

第二章 分子對接預測結閤位點
第一節 利用AutoDock進行分子對接
第二節 利用D0CK進行分子對接
第三節 利用Surflex-Dock進行分子對接
第四節 利用GOLD進行分子對接

第三章 蛋白質與核酸的分子動力學模擬
第一節 分子動力學概述
第二節 利用GROMACS進行純蛋白分子動力學模擬
第三節 蛋白與小分子復閤物的動力學模擬
第四節 核酸分子動力學模擬

第四章 利用OpenEye組件包進行虛擬篩選
第一節 軟件簡介
第二節 利用OpenEye組件包進行虛擬篩選

第五章 定量構效關係分析
第一節 CoMFA&CoMSIA;
第二節 HQsAR

第六章 藥效團
第一節 藥效團介紹
第二節 利用Discovery Studio進行藥效團模型構建

第七章 全新藥物設計
第一節 概述
第二節 利用LigBuilder進行全新藥物設計

第八章 作圖軟件PyMOL的應用
第一節 PyMOL簡介
第二節 PyMOL基本操作

第九章 藥物設計實例
第一節 利用OpenEye發現F．tularensis烯酰基載體蛋白還原酶FabI抑製劑
第二節 基於模建結構的虛擬篩選發現對蝦黃頭病毒蛋白酶抑製劑
第三節 基於藥效團建模和分子對接的虛擬篩選發現？-分泌酶抑製劑
參考文獻
彩圖

前言/序言

　　從20世紀90年代開始，隨著計算機技術的迅速發展以及藥物化學、分子生物學和計算化學的發展，計算機輔助藥物設計（CADD）也快速發展起來，成為一門新興的研究領域。與此同時，CADD的發展和應用，也大大促進瞭藥物設計和新藥開發的效率，CADD現在已經成為閤理藥物設計中不可或缺的一環，在藥物設計中起著越來越重要的作用。因此，CADD方法的理論和應用研究具有非常重要的意義。關於CADD的理論，很多教科書和專著已進行大量介紹，適閤初學者學習理論知識，但是在實際中的操作，卻鮮有基礎書目可以參考。本書編者長期從事相關工作，根據在實際工作中對各種軟件的應用，編寫瞭本書，介紹計算機輔助藥物設計時需要用到的部分軟件的使用，以實現設計目的為導嚮，著重介紹軟件的操作方法，使用過程中的細節與原理，可以使初學者迅速入門。本書內容包含瞭分子動力學模擬、分子對接、蛋白質同源模建、定量構效關係的研究、藥效團的構建、虛擬篩選等內容，且每一內容有不止一個軟件的使用介紹，希望能對入門計算機輔助藥物設計的廣大師生有所幫助。
　　本書的編寫是從初學者的角度，手把手、一步一步介紹各軟件的使用方法、功能，並配有圖片，使初學者能夠順利學習。使用各種常用軟件。
　　限於編者的水平有限，書中可能存在不妥之處，敬請廣大讀者批評和指正。

《分子動力學模擬與生物大分子結構預測》 本書旨在為從事生物醫藥、化學、材料科學等領域的研究人員和學生提供深入瞭解分子動力學模擬（MD）和生物大分子結構預測（Protein Structure Prediction）的前沿技術與應用。全書圍繞這兩個核心主題展開，力求理論與實踐相結閤，使讀者能夠掌握相關的原理、方法、工具和解讀數據的方式。 第一部分：分子動力學模擬理論與實踐 本部分將係統介紹分子動力學模擬的基本概念、理論基礎以及在不同研究中的實際應用。 第一章：分子動力學模擬基礎 1.1 什麼是分子動力學模擬？ 從經典力學的角度齣發，解釋如何通過求解牛頓運動方程來模擬分子係統的動態行為。 介紹分子動力學模擬的優勢，如能夠捕捉超越時間尺度的平衡態和動態過程，提供原子層麵的詳細信息。 區分分子動力學與其他模擬方法（如濛特卡洛模擬、量子化學計算）的特點和適用範圍。 1.2 核心理論與概念 力場（Force Field）：詳細闡述力場在MD模擬中的作用，包括其組成（鍵長、鍵角、二麵角、範德華、靜電相互作用等）和不同類型力場（如CHARMM, AMBER, OPLS, GROMOS）的特點與適用性。重點講解參數化的重要性及其獲取途徑。 能量最小化（Energy Minimization）：介紹能量最小化在模擬前處理中的作用，常用的算法（如最速下降法、共軛梯度法）及其原理。 積分算法（Integration Algorithms）：講解如何離散化牛頓運動方程，介紹常用的積分算法（如 Verlet、Leapfrog、Velocity Verlet）及其精度和穩定性。 係綜（Ensembles）：解釋經典統計力學中的正則係綜（NVT）、恒溫恒壓係綜（NPT）等，以及如何在MD模擬中實現這些係綜的控溫控壓方法（如 Nose-Hoover、Andersen、Parrinello-Rahman 等）。 邊界條件（Boundary Conditions）：介紹周期性邊界條件（PBC）在模擬無限大係統中的應用，以及其對模擬結果的影響。 1.3 模擬流程與前處理 分子模型的構建：講解如何從實驗數據（如X射綫晶體結構、NMR結構）或理論計算構建初始分子模型。 溶劑化（Solvation）：介紹如何將分子模型置於溶劑（如水）環境中，以及溶劑化模型的選擇（顯式溶劑模型、隱式溶劑模型）。 體係優化：講解能量最小化、加熱（heating）和平衡（equilibration）等步驟，以使模擬體係達到穩定狀態。 1.4 數據分析與結果解讀 軌跡文件（Trajectory Files）：介紹如何讀取和處理MD模擬産生的軌跡數據。 能量和溫度分析：講解如何分析模擬過程中的總能量、勢能、動能、溫度等參數，以評估模擬的穩定性。 結構參數分析：介紹如何計算和分析均方根偏差（RMSD）、均方根漲落（RMSF）、氫鍵、接觸距離等結構參數。 動力學分析：講解如何分析分子的運動模式，如扭轉角變化、構象轉變等。 統計學分析：介紹如何從多條模擬軌跡或長軌跡中提取有統計學意義的結果。 第二章：分子動力學模擬的應用 2.1 蛋白質摺疊與構象變化 利用MD模擬研究蛋白質從無規則捲麯到三維結構的過程，以及蛋白質在特定條件下的構象轉變（如信號轉導、酶促反應）。 案例分析：特定蛋白質的摺疊路徑或重要構象變化的研究。 2.2 藥物-靶標相互作用研究 模擬小分子藥物與蛋白質靶標的結閤過程，分析結閤模式、結閤親和力（通過MM/PBSA, MM/GBSA等方法）。 研究藥物的動態過程，如解離、擴散等。 案例分析：抗癌藥物或抗病毒藥物與靶蛋白的結閤機製。 2.3 生物分子復閤物的形成與穩定性 模擬蛋白質-蛋白質、蛋白質-核酸、蛋白質-脂質等復閤物的形成動力學，以及復閤物的穩定性。 分析復閤物形成過程中的關鍵相互作用。 案例分析：免疫復閤物的形成或膜蛋白與脂質體的相互作用。 2.4 膜蛋白研究 模擬膜蛋白在脂質雙層膜中的嵌入、運動和功能。 研究離子通道、轉運蛋白等膜蛋白的工作機製。 案例分析：特定的G蛋白偶聯受體（GPCR）在膜中的動態行為。 2.5 材料科學中的應用 研究聚閤物的動態行為、材料的機械性能。 模擬納米材料的組裝和相互作用。 第三章：常用分子動力學模擬軟件與計算資源 3.1 GROMACS 介紹GROMACS的特點、安裝與基本使用方法。 演示如何構建體係、運行模擬和基本分析。 3.2 AMBER 介紹AMBER的架構、功能模塊和常用命令。 演示如何使用AMBER進行MD模擬。 3.3 NAMD 介紹NAMD的並行計算能力和易用性。 演示如何通過NAMD進行大規模MD模擬。 3.4 CHARMM 介紹CHARMM的廣泛應用和其強大的模擬能力。 示例性介紹其主要功能。 3.5 計算資源選擇與優化 討論CPU、GPU在MD模擬中的作用。 介紹高性能計算集群（HPC）的使用和注意事項。 第二部分：生物大分子結構預測 本部分將深入探討生物大分子（主要是蛋白質）三維結構預測的方法、挑戰以及相關技術。 第四章：生物大分子結構預測概述 4.1 結構決定功能 強調蛋白質三維結構對其生物學功能的重要性。 介紹蛋白質結構預測的必要性，特彆是在缺乏實驗結構數據的情況下。 4.2 結構預測的主要方法 同源建模（Homology Modeling）： 原理：基於已知結構（模闆）的序列相似性來預測目標蛋白的結構。 步驟：序列比對、模闆選擇、骨架構建、側鏈建模、模型優化、模型評估。 常用軟件介紹（如MODELLER, SWISS-MODEL）。 摺疊識彆（Fold Recognition/Threading）： 原理：將目標蛋白序列與已知結構數據庫中的所有摺疊進行比對，尋找最匹配的摺疊。 適用範圍：適用於序列相似性較低但可能具有已知摺疊的情況。 常用軟件介紹（如FFAS, HHpred）。 從頭預測（Ab initio/De novo Prediction）： 原理：基於物理化學原理和統計學方法，不依賴任何已知結構進行預測。 挑戰：計算量巨大，精度相對較低。 介紹其基本思想和發展趨勢。 混閤方法（Hybrid Methods）：結閤以上多種方法的優勢。 第五章：蛋白質結構預測的最新進展與工具 5.1 基於深度學習的蛋白質結構預測 AlphaFold2：詳細介紹AlphaFold2的架構、核心技術（如多序列比對MSAs、注意力機製、模闆搜索）及其在蛋白質結構預測領域帶來的革命性突破。 RoseTTAFold：介紹RoseTTAFold的原理和特點，及其與AlphaFold2的比較。 其他深度學習模型：簡要介紹其他新興的深度學習預測工具。 5.2 蛋白質結構預測平颱的應用 SWISS-MODEL：在綫同源建模平颱的使用教程。 Phyre2：另一個常用的摺疊識彆與同源建模平颱。 I-TASSER：綜閤性蛋白質結構預測服務器。 AlphaFold Protein Structure Database：如何查詢和利用已預測的蛋白質結構。 5.3 模型評估與驗證 介紹評估蛋白質結構模型質量的常用指標（如Ramachandran圖、MolProbity、ProSA-web）。 如何選擇最佳模型。 第六章：生物大分子結構預測的應用 6.1 藥物設計中的應用 預測藥物靶標蛋白的結構，為理性藥物設計提供基礎。 預測藥物分子與靶標的結閤模式，輔助虛擬篩選和先導化閤物優化。 案例分析：利用預測模型指導新藥研發。 6.2 理解蛋白質功能與進化 通過結構預測分析未知蛋白質的功能。 研究蛋白質結構域、活性位點和變異位點。 比較不同物種同源蛋白的結構，推斷進化關係。 6.3 蛋白質工程與設計 預測突變對蛋白質結構和功能的影響。 指導理性設計具有新功能或改進性能的蛋白質。 6.4 生物信息學研究 結構預測在基因組學、蛋白質組學研究中的輔助作用。 附錄 常用生物信息學數據庫簡介（如PDB, UniProt, Pfam）。 相關科研論文的查找與閱讀技巧。 本書期望通過全麵細緻的講解，幫助讀者掌握分子動力學模擬和生物大分子結構預測的核心技術，並能將其有效應用於實際的科學研究中，加速生物醫藥、化學等領域的探索進程。