药物设计学课件内容总结

使用AI总结了各章ppt的内容，页数可能对不上，但大体内容没问题 pdf获取

第一章：绪论（第2页起）

1. 课程简介与教学安排（第2-3页）：

   • 课程名称：药物设计学
   • 授课对象：2021级药物化学专业
   • 课程时长：48学时（1-14周）
   • 主要参考教材包括《药物设计学（第4版）》由付伟、方浩等主编。

   • 课程考核：

     • 平时成绩（作业和翻转课堂报告）占30%。
     • 期末考试（闭卷）占70%。

2. 药物设计学的概述（第6-7页）：

   • 药物的定义：用于预防、治疗或诊断疾病的物质，包括中药、化学药物、生物药物等。

   • 学科背景：

     • 药物设计学是现代药物化学的分支学科，结合了化学、生物学和信息学。
     • 其发展推动了新药研发的效率和成功率的提高。
   • 发展方向：探索合理药物设计的技术和方法，以更系统化的策略推进药物研发。

3. 药物发现的历史与发展（第11-14页）：

   • 药物发现可分为四个主要阶段：

     1. 药物发现时期（19世纪-20世纪初）：从天然产物中发现如吗啡和奎宁等药物。
     2. 药物发展时期（20世纪-50年代）：引入药理学实验和抗生素的发现（如青霉素）。
     3. 药物设计时期（20世纪50年代-80年代）：定量构效关系（QSAR）与计算机辅助药物设计（CADD）的兴起。
     4. 合理设计时期（20世纪80年代至今）：基于疾病靶点的药物合理设计，如基于蛋白质组学的药物研发。

4. 药物设计的核心内容（第15-17页）：

   • 药物筛选：

     • 高通量筛选（HTS）和高内涵筛选（HCS）在药物发现中的应用。

   • 合理药物设计：

     • 基于靶点（Target-based）和基于结构（Structure-based）的药物设计。
     • 通过优化药物分子使其具有更高的选择性和疗效。

   • 计算机辅助药物设计（CADD）：

     • 计算机技术在分子建模、分子对接和药效团分析中的应用。

5. 现代药物研发的策略与流程（第18-20页）：

   • 新药研发流程：

     • 发现阶段 → 先导化合物优化 → 临床前研究 → 临床试验。

   • 药物成药性研究：

     • 重点在于药物的药代动力学（PK）和药效学（PD）的优化。

   • 逆向药理学（Reverse Pharmacology）：

     • 由疾病机制出发，寻找潜在的药物靶点和作用机制。

   • CADD的优势：

     • 提升药物研发效率，减少实验成本。

6. 我国药物发展的现状与未来（第21-24页）：

   • 中国医药市场的现状：

     • 中国已成为全球第二大医药市场，拥有世界领先的原料药生产能力。

   • 创新药物开发战略：

     • 从仿制药向创新药过渡，推动国产创新药的研发。

   • 新药创制重大专项：

     • 提升中国在全球药物研发中的竞争力。

7. 总结与展望（第24页）：

   • 药物设计学通过整合多学科知识，推动新药研发向精准化和个性化方向发展。
   • 未来的药物发现将依赖于计算机技术、生物信息学和人工智能的深度应用。

第二章：药物靶点的识别与确证（第2页开始）

1. 药物靶点的定义与基础：

   • 解释药物靶点的概念，强调其与药物设计和作用的关系（第2页）。
   • 提到保罗·埃利希的受体学说，即药物需与体内的靶点发生特定相互作用以产生药效（第2页）。

2. 药物靶点的特征（第2页）：

   • 必须为生物大分子，如蛋白质、核酸、酶、离子通道等。
   • 靶点与小分子结合后发生结构变化并调节生理、病理及药理过程。

3. 靶点识别和确证的意义（第3页）：

   • 靶点识别是药物发现的首要步骤，有助于筛选药物和指导分子设计。
   • 靶点确证则是验证该分子是否可作为药物作用的可靠靶点。

4. 药物靶点的识别方法（第4页）：

   • 介绍了分子途径和系统途径两种方法。
   • 强调了通过基因组、蛋白质组研究和疾病模型实现靶点识别。

5. 靶点确证方法与技术（第5页）：

   • 包括调控mRNA的RNA干扰技术（如siRNA和shRNA）。
   • 基因编辑技术如CRISPR-Cas9被用于靶点确证。

6. 靶点的实际应用（第6页至第10页）：

   • 提到非甾体抗炎药（如阿司匹林）的机制，COX酶的作用及阿司匹林的靶点发现。
   • 讨论了LDL受体的发现及其在胆固醇代谢调控中的角色（第8页）。

7. 多靶点药物的优势（第10页）：

   • 多靶点药物比单靶点药物在抵抗耐药性和减少毒副作用方面更具优势。

第三章：计算机辅助药物设计基础（第2页起）

1. 药物设计思想的发展（第2-3页）：

   • 介绍了锁钥模型（Emil Fischer, 1894）、受体概念与魔弹理论（Paul Ehrlich）。
   • 提到基于配体的药物设计（Corwin Hansch, 1964）及分子对接概念（Irwin Kuntz, 1982）。

2. 第一节：药物设计基本理论与方法（第4-25页）：

   • 受体理论（第4-7页）：受体定义与受体-配体结合的相互作用。
   • 药物-受体相互作用（第8-12页）：契合模型、诱导契合及相互作用力类型（如范德华力、氢键、离子键）。
   • 立体因素与结合部位（第13-25页）：举例说明受体结合部位的空间契合，如唾液酸苷酶模型。

3. 第二节：药物的结构与生物活性的关系（SAR）（第26-30页）：

   • 药效团：药物中决定活性的结构特征。
   • 毒性基团与药动基团：涉及药物安全性与药动力学特性。
   • 药效构象：药物与受体结合时的实际结构。

4. 信息学基础（第31-60页）：

   • 化学信息学：包括分子指纹、SMILES编码和化学多样性分析。
   • 生物信息学：在药物设计中用于靶点发现、结构预测等。

5. 第三节：计算机辅助药物设计简介（第61-91页）：

   • 计算机辅助药物设计的流程（第61-65页）：涵盖从先导化合物发现到优化。
   • 基础理论计算方法（第66-78页）：量子化学、分子力学及分子动力学。
   • 分子力学（第79-87页）：处理分子势能和原子相互作用的简化模型。
   • 分子动力学（第88-91页）：用于研究分子运动和预测结合自由能。

6. 分子图形展示（第91页）：

   • 介绍分子结构的三维显示技术，以可视化分子相互作用。

第四章：基于结构的药物设计（第2页起）

1. 基于结构的药物设计的基本原理（第2-3页）：

   • 说明药物设计是基于靶点和配体结构的科学。
   • 介绍靶点学说和基于受体或配体结构的药物设计概念。

2. 第一节：基于靶点结构的药物设计（第4-25页）：

   • 药物发现流程：受体三维结构、结合部位分析、化合物筛选、合成和活性测定。
   • 活性位点分析：使用探针分析靶点并确定结合位置。
   • 药物选择性与优化：通过分析受体-配体的相互作用优化化合物的结合亲和力。

3. 第二节：全新药物设计方法（第26-40页）：

   • 从头设计：包括原子生长法和碎片生长法。
   • 基于片段的药物设计（FBDD）：筛选并组合活性片段以形成新分子。

4. 第三节：分子对接（第41-52页）：

   • 概念与分类：刚性对接、半柔性对接和柔性对接。
   • 对接过程：包括靶点结构的预处理、小分子数据库的筛选及打分函数的应用。
   • 对接的新发展：引入炼金术自由能方法、机器学习和新工具如HADDOCK、RosettaDock。

5. 第四节：基于配体结构的药物设计（第53-60页）：

   • 药效团模型：抽提药物中与靶点结合的特征，构建虚拟药效团以指导药物设计。
   • 定量构效关系（QSAR）：研究化合物的活性与结构参数之间的关系。

6. 第五节：3D-QSAR（第61-80页）：

   • 基本流程与应用：研究药物分子周围的作用场，预测生物活性。
   • CoMFA和CoMSIA方法：基于三维分子场建立QSAR模型，用于新化合物设计。
   • 案例分析：如应用于抗真菌药物设计，提出了艾迪康唑等高活性药物。

第五章：基于性质的药物设计（第2页起）

1. 基于性质的药物设计概述（第2-3页）：

   • 提出药物研发中ADME（吸收、分布、代谢、排泄）过程的关键性。
   • 阐明基于性质的药物设计（PBDD）的定义及目标：通过优化药物的理化性质，提高成药性。

2. 第一节：药物的理化性质与体内过程（第4-20页）：

   • 药物的吸收（第4-6页）：讨论膜转运方式（被动转运、主动转运、膜动转运）及影响吸收的因素（如透膜性、溶解度）。
   • 药物的分布（第6-7页）：分析药物的分布规律及其对疗效的影响。
   • 药物的代谢（第7-8页）：介绍Ⅰ相和Ⅱ相代谢类型及代谢对药效和毒性的影响。
   • 药物的排泄（第8-9页）：探讨主要排泄途径（肾、肝、肺等）及其对药物持续时间的作用。
   • 理化性质对ADME的影响（第10-15页）：分析分子量、脂水分配系数、解离度等如何决定药物吸收和分布效率。

3. 第二节：类药性预测方法（第20-35页）：

   • 结构特征分析（第22-23页）：类药和非类药片段的研究。

   • 常用筛选法：

     • Lipinski法则（第24页）：基于“5倍律”筛选候选化合物。
     • Veber法则（第25页）：强调极性表面积和分子柔性对生物利用度的影响。
     • Ghose模型（第26页）：总结具有理想理化性质化合物的分布特征。

4. 第三节：基于性质的药物设计策略（第36-50页）：

   • 吸收优化（第37-40页）：通过引入极性基团或调整分子大小提高溶解性与透膜性。
   • 分布优化（第40-42页）：调控药物与转运蛋白或血浆蛋白的相互作用，以提高生物利用度和靶向性。
   • 代谢与排泄优化（第42-46页）：通过引入代谢稳定基团、移除易代谢结构等提高药物代谢稳定性。
   • 毒性优化（第46-50页）：移除警戒结构，优化心血管和中枢神经系统毒性。

5. 第四节：基于性质的药物设计应用案例（第48-50页）：

   • 抗HCV药物索非布韦的发现：通过结构修饰改善化合物极性，优化其溶解性与透膜性，最终成功设计出具有优良选择性的候选药物。

第六章：基于筛选的药物发现（第2页起）

1. 药物筛选的基本概念（第2-3页）：

   • 建立筛选模型，检测化学物质的药理活性，寻找具有药用价值的化合物。
   • 化合物的主要来源包括天然产物、组合化学合成化合物和研究机构库存化合物。

2. 第一节：药物筛选（第4-35页）：

   • 化合物来源（第4-6页）：

     • 天然产物：如植物、微生物和海洋生物的提取物（例：吗啡、紫杉醇）。
     • 组合化学：通过合成大量结构多样性化合物进行高效筛选（第6-8页）。

   • 筛选模型和方法学（第8-20页）：

     • 分子水平筛选：包括受体、酶、核酸和离子通道筛选模型。
     • 细胞水平筛选：用于检测细胞增殖、凋亡等生物学效应。
     • 整体动物水平筛选：模拟药物在生物体内的作用。

   • 高通量筛选（HTS）（第20-25页）：

     • 通过自动化技术快速筛选化合物。
     • HTS系统的核心组件包括化合物库、筛选模型和高灵敏度检测系统。
     • 优点：速度快、效率高；缺点：成本高、假阳性和假阴性多。

   • 高内涵筛选（HCS）（第25-28页）：

     • 综合高通量技术与细胞成像，检测复杂生物系统的定量数据。
   • 案例分析（第28-35页）：通过筛选模型发现的抗肺纤维化药物X-165。

3. 第二节：虚拟筛选（第36-50页）：

   • 虚拟筛选的定义与流程（第36-38页）：

     • 基于计算机技术对化合物库进行预筛选，通过分子对接、药效基团等方法预测活性化合物。

   • 两种主要方法：

     • 基于靶点的筛选（第38-42页）：利用分子对接和评分函数评估化合物的结合能力。
     • 基于配体的筛选（第42-45页）：通过子结构或药效团相似性搜索潜在活性化合物。

   • 案例分析（第46-50页）：

     • 以蛋白酪氨酸磷酸酯酶1B（PTP1B）抑制剂为例，展示虚拟筛选如何提高药物开发效率。

4. 总结（第50页）：

   • 药物筛选是新药研发的重要环节，整合了高通量筛选和虚拟筛选等技术。
   • 通过现代筛选技术可显著提高药物发现效率，降低研发成本。

第七章：现代药物设计新技术（第2页起）

第一节：共价药物（第3-13页）

1. 共价药物的基本概念（第3-4页）：

   • 介绍共价药物与靶点结合的化学机制，分为非共价抑制、不可逆共价抑制、可逆共价抑制。
   • 举例说明共价药物在抗肿瘤药物中的应用，如氯吡格雷与P2Y受体、奈拉替尼与EGFR等的结合机制。

2. 不可逆共价药物的设计（第5-8页）：

   • 设计要求：结合位点附近需有亲核性氨基酸（如半胱氨酸）和高亲电性化学基团。
   • 实例分析：不可逆酪氨酸激酶抑制剂Imatinib的结构优化策略。

3. 可逆共价药物的设计（第9-11页）：

   • 利用可逆共价结合提高选择性和降低毒副作用，如通过引入腈基增强反应的动态平衡性。
   • 举例：p90S6激酶（RSK）抑制剂的设计及活性验证。

4. 共价药物设计的未来方向（第12-13页）：

   • 探讨非共价药物向可逆共价药物的转化以提升药效和选择性。

第二节：靶向蛋白水解嵌合体（PROTAC）（第14-30页）

1. PROTAC的基本原理（第14-16页）：

   • 通过小分子连接靶点蛋白和E3泛素连接酶，诱导靶蛋白降解。
   • 与传统抑制剂的对比，PROTAC可作用于“难以成药”的靶点，并避免药物耐受性。

2. 分子胶与PROTAC的对比（第17-19页）：

   • 分子胶通过稳定蛋白相互作用诱导降解，而PROTAC具有更广泛的设计自由度。

3. PROTAC设计策略（第20-25页）：

   • 链接子选择的重要性：长度、刚柔性对活性和选择性的影响。
   • 不同E3连接酶配体的应用实例分析。

4. 细胞内外靶向蛋白降解的新发展（第26-30页）：

   • eTPD（细胞外蛋白降解）的创新策略，如基于新生儿Fc受体（FcRn）的“sweeping antibodies”。

第三节：人工智能药物设计（AIDD）（第31-50页）

1. 人工智能在药物发现中的应用（第31-35页）：

   • 比较传统计算机辅助药物设计（CADD）和AIDD。
   • AIDD通过深度学习技术实现大规模数据挖掘和分子生成，突破传统药物设计中的结构壁垒。

2. AI工具与技术（第36-42页）：

   • 关键技术包括聚类分析、回归分析和神经网络模型（如AlphaFold）。
   • 实例：AlphaFold在蛋白质结构预测中的应用。

3. AI发现抗生素的案例分析（第43-50页）：

   • 利用深度学习模型发现新型抗菌分子，如“halicin”，展示其广谱杀菌特性和小鼠感染模型中的疗效验证。

第四节：生物信息学与网络药理学（第51-72页）

1. 网络药理学的理论与提出（第51-55页）：

   • 通过构建药物-靶点-疾病网络，探索药物的多靶点作用机制和潜在新靶点。

2. 中药网络药理学的研究过程（第56-65页）：

   • 数据库预测化学成分和靶点，如PharmMapper、SwissTargetPrediction。
   • 利用Cytoscape构建网络并通过GO、KEGG分析验证中药作用机制。

3. 应用实例（第66-72页）：

   • 以“六味地黄丸”的网络分析为例，展示其主要化学成分对肝纤维化的作用机制。

第八章：药物设计相关数据库（第2页起）

第一部分：药物数据库（第3-10页）

1. 主要数据库概览（第3页）：

   • 列举了药物数据库的用途和功能，包括DrugBank、ClinicalTrials、ChEMBL、NMPA（国家药监局）和Drugfuture等。

2. DrugBank（第4页）：

   • 详述DrugBank的资源内容，包括药物和靶标信息、药物相互作用及相关基因数据，适用于临床前研究和药物开发。

3. ClinicalTrials（第5页）：

   • 提供全球临床试验信息，可用于了解药物的开发状态和研究进展。

4. ChEMBL（第6-8页）：

   • 聚焦生物活性化学信息，为药物发现和设计提供支持，支持离线下载及数据库集成分析。

5. NMPA与Drugfuture（第9-10页）：

   • NMPA提供中国药品注册和审批信息；Drugfuture是一个多功能的在线药物资源平台。

第二部分：小分子数据库（第11-24页）

1. 主要小分子数据库（第11页）：

   • 包括PubChem、ZINC、HMDB、BindingDB和ChemDB，介绍了各数据库的功能及适用领域。

2. PubChem（第12-16页）：

   • 提供全面的化学物质信息，包括分子结构、性质和生物活性数据，支持数据下载和批量查询。

3. ZINC与HMDB（第17-19页）：

   • ZINC：专注于虚拟筛选的小分子数据库。
   • HMDB：专注于人类代谢产物及其相关信息。

4. BindingDB与ChemDB（第20-21页）：

   • BindingDB：聚焦配体-靶标结合数据，用于计算药物的亲和力。
   • ChemDB：提供化学化合物的性质与数据库筛选工具。

5. 商业小分子库（第22-24页）：

   • 列举多个商用化学库（如Asinex、ChemBridge、Enamine等），用于新化合物筛选和开发。

第三部分：大分子数据库（第25-34页）

1. PDB：蛋白质三维结构数据库（第26-30页）：

   • 提供蛋白质、核酸等大分子的三维结构数据，举例说明伊马替尼与bcr-abl靶点的作用机制。

2. UniProt：蛋白质序列数据库（第31页）：

   • 描述蛋白质序列、功能注释及其与疾病的关联。

3. ProteinAtlas：蛋白质图谱数据库（第32页）：

   • 展示人类蛋白质的表达和定位情况，适用于疾病相关研究。

4. SCOP：蛋白质结构分类数据库（第33-34页）：

   • 基于蛋白质的三级结构和氨基酸组成对其进行分类，分析功能与进化关系，依赖人工验证进行数据整理。

第九章：小分子的处理、计算评价与合成设计（第2页起）

1. 第一节：小分子的绘制与处理（第3-6页）

   • 主要软件介绍（第3-5页）：

     • ChemBioOffice、Marvinsketch（https://chemaxon.com/products/marvin）。
     • 其它软件如BioviaDraw、Medchem Designer、Corina、Kingdraw（www.kingdraw.cn/）。

   • 上机演示（第6页）：

     • 使用Marvinsketch绘制小分子结构，并预测其物理化学性质。

2. 第二节：小分子的成药性评价（第7-14页）

   • 药代动力学性质预测（第7-12页）：

     • 利用Swiss ADME工具（http://www.swissadme.ch/）预测小分子的成药性。
     • 示例：以吗啡（Morphine）为例，通过导入结构、生成SMILES编码并查看预测结果。

   • 毒性预测（第13-14页）：

     • 使用ProTox 3.0（https://comptox.charite.de/protox3/index.php?site=home）预测小分子的毒性。
   • 课堂练习：设计羟嗪（Hydroxyzine）的化学修饰以优化药物性能，利用Swiss ADME和ProTox工具分析设计的可行性。

3. 第三节：小分子合成方法的搜寻与设计（第19页起）

   • 工具使用：

     • 使用SciFinder数据库进行小分子合成方法的检索和设计。
     • 提供主题词检索、结构式检索和化学反应式检索的演示。

第十章：大分子的图形处理与同源建模（第2页起）

1. 第一节：大分子的图形处理方法（第3-4页）

   • 内容要点：

     • 使用Pymol或Discovery Studio（DS）等软件对蛋白质进行图形处理。
     • 包括蛋白质文件的获取、可视化操作以及蛋白-小分子相互作用的分析和可视化。

   • 上机演示：

     • 编辑蛋白质结构，提取小分子并选择相互作用氨基酸残基（如周围5Å范围）。

2. 第二节：靶点活性位点预测方法（第5-23页）

   • 结合位点定义与预测（第6-19页）：

     • 通过从复合物中剥离小分子或利用工具预测结合位点。
     • 使用软件和网站工具（如MED-SuMo、CASTp、metaPocket等）进行结合位点分析。
     • 示例：以Mu型阿片受体为例，通过Pymol进行结果可视化处理。

   • 结合位点的在线和离线分析（第20-23页）：

     • 在线查看预测结果，离线分析.pocinfo和.poc文件。

3. 第三节：同源建模（第24-46页）

   • 同源建模的基本理论（第24-25页）：

     • 原理：蛋白质结构由其氨基酸序列决定，三级结构比一级结构更具保守性。
     • 应用：目标蛋白与模板蛋白的序列一致性需大于50%。

   • 建模方法与步骤（第29-30页）：

     • 模板选择（如通过PDB数据库、BLAST工具获取）。
     • 建立模型、环区建模与模型评估（使用统计势能或物理能量计算）。

   • 工具与软件（第31页）：

     • 推荐工具包括Swiss-Model、I-TASSER、ESyPred3D等。

   • 案例分析（第32-46页）：

     • 以人源Mu阿片受体为例，展示Swiss-Model建模全过程：

       • 输入目标序列 → 查找模板序列 → 建模 → 结果评估（如使用Ramachandran图）。
     • 支持多模板建模，并对最终模型进行排序和分析。

第十一章：分子对接（第2页起）

1. 分子对接的基本理论（第5-11页）

   • 定义：预测配体与受体的结合方式及结合强度，通过评分函数计算结合自由能，模拟分子识别过程以优化构象。

   • 分类：

     • 刚性对接（Lock and Key）：受体和配体保持固定。
     • 柔性对接（Induced Fit）：受体和配体均具构象灵活性，通过能量计算选择最佳结合方式。

   • 基本步骤：

     • 准备蛋白质（如去水分子、稳定电荷等）。
     • 活性位点预测（选择感兴趣的结合位点）。
     • 配体准备（从数据库获取或绘制化学结构，依据Lipinski规则筛选）。
     • 对接（分析结合模式和评分）。

2. 在线分子对接（第13-23页）

   • 工具与案例：

     • SwissDock（第13-18页）：

       • 上传处理后的蛋白结构文件和配体（如吗啡），定义活性位点并提交对接任务。
       • 使用UCSF Chimera分析对接结果。

     • 1-Click Docking（第19-23页）：

       • 通过简单页面实现分子对接分析，以芬太尼为例展示操作与结果分析流程。

3. 离线分子对接（第24-36页）

   • 主要工具：

     • AutoDock：通过格点能量计算与遗传算法进行快速对接。

       • 对接过程：定义活性位点、设置格点范围、构象搜索及评分。
       • 示例：使用AutoDock Vina完成柔性对接（如µ阿片受体与吗啡的对接）。
     • Discovery Studio：用于确认活性位点及分析结合模式。

   • 上机练习：

     • 对受体蛋白（如8EF5）进行处理、定义活性位点。
     • 使用AutoDock Vina完成配体对接并分析结合方式（如芬太尼、吗啡）。

4. 虚拟筛选（第37-41页）

   • 定义：利用分子对接技术筛选化合物库中具有成药性的活性化合物，大幅降低实验筛选成本与周期。

   • 工具与流程：

     • 准备小分子库（如使用PyRx或raccoon工具）。
     • 执行虚拟筛选并分析结果。

5. 案例分享：ALKBH5抑制剂的发现与优化（第42页起）

   • 背景：ALKBH5为RNA修饰相关的去甲基化酶，其抑制剂对癌症治疗具有潜力。
   • 方法：通过基于结构的虚拟筛选发现选择性抑制剂DDO-2728，并优化其结构。
   • 结果：抑制剂显著增加细胞m6A修饰水平，抑制细胞周期进程，并在小鼠肿瘤模型中显示良好疗效。

第十二章：药效团模型（第2页起）

1. 药效团模型的基本概念（第2-3页）：

   • 药效团（Pharmacophore）是指化合物分子中能够产生特定生物效应的分子特征组合。
   • 传统上，“药效团”被用来指代化合物在特定生物靶点上的功能性或结构性特征。
   • 现代定义：药效团是与特定生物靶点进行最佳超分子相互作用所需的空间和电子特征集合。

2. 第一节：药效团模型（第2-7页）：

   • 药效团的主要特征：

     • 氢键受体（HBA）、氢键供体（HBD）、疏水中心（H）、芳环（AR）、带正负电荷的中心（PI 和 NI）。

   • 药效团模型的应用：

     • 用于药物筛选、分子设计及先导化合物优化。

3. 第二节：药效团模型的构建（第7-13页）：

   • 常用药效团建模软件：

     • Discovery Studio、Ligandscout、Phase、MOE（Molecular Operating Environment）。

   • 药效团模型的构建方法：

     • 基于受体模型：根据靶标蛋白结构构建药效团。
     • 基于配体模型：通过分析活性化合物的共同特征生成药效团。

   • 药效团构建实例：

     • 以Discovery Studio软件为例，展示了药效团模型的创建过程。

4. 第三节：在线药效团模型构建（第13-22页）：

   • 常用在线工具：

     • Pharmit、PharmaGist、Pharmer、Protein-Ligand Interaction Profiler。

   • Pharmit的使用（第16-18页）：

     • 在线构建基于配体的药效团模型，并进行虚拟筛选。

   • PharmaGist的功能（第19-21页）：

     • 用于基于配体的药效团建模及分析，支持多个配体输入以识别共性药效团特征。

5. 第四节：案例分析（第22-30页）：

   • TIM-3抑制剂开发（第22-26页）：

     • 研究了TIM-3作为免疫检查点抑制剂的药效团特征，通过虚拟筛选发现潜在的小分子抑制剂。
     • 提出了基于TIM-3蛋白的药效团模型，并通过高通量筛选验证了活性。

   • 单克隆抗体的应用（第26-30页）：

     • 以信达生物开发的抗TIM-3单抗为例，展示了药效团模型在生物药物开发中的应用。

6. 总结（第30页）：

   • 药效团模型在药物设计和筛选中具有重要作用，通过构建药效团可加速药物发现。
   • 结合虚拟筛选和高通量技术，显著提高了先导化合物的筛选效率。