1. 計算機輔助葯物設計的資料庫
2． 資料庫搜尋
資料庫搜尋方法分為兩類。一類是基於配體的，即根據葯效基團模型進行三維結構資料庫搜尋。該類方法一般需先建立一系列活性分子的葯效構象，抽提出共有的 葯效基團，進而在現有的資料庫中尋找符合葯效基團模型的化合物。該類方法中比較著名的軟體有Catalyst和Unity，而以前者應用更普遍。另一類方 法是基於受體的，也稱為分子對接法，即將小分子配體對接到受體的活性位點，並搜尋其合理的取向和構象，使得配體與受體的形狀和相互作用的匹配最佳。在葯物 設計中，分子對接方法主要用來從化合物資料庫中搜尋與受體生物大分子有較好親和力的小分子，從而發現全新的先導化合物。分子對接由於從整體上考慮配體與受 體的結合效果，所以能較好地避免其他方法中容易出現的局部作用較好，整體結合欠佳的情況。具代表性的分子對接軟體主要有 DOCK、F1exX和GOLD。
2. 畢業設計配合物的合成
配合物一般表徵最準的是X-單晶衍射，單晶製法目前比較流行且幾乎所有實驗室都能做的有水熱法合成、微波法、超聲、迴流、常溫揮發法……數據分析一般有紫外、紅外、熒光、熱重、XRD……
3. 高通量葯物篩選的簡介
1. 化合物樣品庫
化合物樣品主要有人工合成和從天然產物中分離純化兩個來源。其中,人工合成又可常規化學合成和組合化學合成兩種方法。
2.自動化的操作系統
自動化操作系統利用計算機通過操作軟體控制整個實驗過程。操作軟體採用實物圖像代表實驗用具，簡潔明了的圖示代表機器的動作。自動化操作系統的工作能力取決於系統的組分，根據需要可配置加樣、沖洗、溫解、離心等設備以進行相應的工作。
3.高靈敏度的檢測系統
檢測系統一般採用液閃計數器、化學發光檢測計數器、寬譜帶分光光度儀、熒光光度儀等。
4.資料庫管理系統
資料庫管理系統承擔4個方面的功能: 樣品庫的管理功能;生物活性信息的管理功能; 對高通量葯物篩選的服務功能; 葯物設計與葯物發現功能。 常用的篩選模型都在分子水平和細胞水平，觀察的是葯物與分子靶點的相互作用，能夠直接認識葯物的基本作用機制。
1.分子水平的葯物篩選模型:受體篩選模型;酶篩選模型;離子通道篩選模型
1.1受體篩選模型:指受體與放射性配體結合模型。以受體為作用靶的篩選方法,包括檢測功能反應、第二信使生成和標記配體與受體相互作用等不同類型。
1.2酶篩選模型:觀察葯物對酶活性的影響。根據酶的特點,酶的反應底物,產物都可以作為檢測指標,並由此確定反應速度。典型的酶篩選包括1) 適當緩沖液中孵化;(2)控制反應速度,如:溫度,緩沖液的pH值和酶的濃度等;(3)單時間點數器, 需測量產物的增加和底物的減少。
1.3離子通道篩選模型: (1)貝類動物毒素的高通量篩選,其作用靶為Na+通道上的蛤蚌毒素結合位點，用放射性配體進行競爭性結合試驗考察受試樣品。(2)用酵母雙雜交的方法高通量篩選干擾N型鈣通道β3亞單位與α1β亞單位相互作用的小分子，尋找新型鈣通道拮抗劑。
2.細胞水平葯物篩選模型
觀察被篩樣品對細胞的作用,但不能反映葯物作用的具體途徑和靶標,僅反映葯物對細胞生長等過程的綜合作用。包括: 內皮細胞激活; 細胞凋亡; 抗腫瘤活性; 轉錄調控檢測; 信號轉導通路; 細菌蛋白分泌; 細菌生長。
高通量篩選技術與傳統的葯物篩選方法相比有以下幾個優點:反應體積小；自動化；靈敏快速檢測；高度特異性。但是，高通量篩選作為葯物篩選的方法,並不是一種萬能的手段，首先，高通量篩選所採用的主要是分子、細胞水平的體外實驗模型，任何模型都不可能充分反映葯物的全面葯理作用；其次，用於高通量篩選的模型是有限的和不斷發展的，要建立反映機體全部生理機能的理想模型，也是不現實的。但我們應該相信，隨著對高通量篩選研究的深入，隨著對篩選模型的評價標准、新的葯物作用靶點的發現以及篩選模型的新穎性和實用性的統一，高通量篩選技術必將在未來的葯物研究中發揮越來越重要的作用。 光學測定技術。美、英兩國研究人員在高通量篩選檢測中，努力進行了光學測定方法的研究，建立了大量的非同位素標記測定法，如用分光光度檢測法篩選蛋白酪氨酸激酶抑制劑、組織纖溶酶原激活劑等，均獲得成功。
放射性檢測技術。美國學者GanieSM在高通量葯物篩選研究中，應用放射性測定法，特別是親和閃爍（SPA）檢測方法，使在96孔板上進行的樣本量實驗得到發展。該方法靈敏度高，特異性強，促進了高通量葯物篩選的實現，但存在環境污染問題。
熒光檢測技術。美國學者GiulianokA研究認為，採用FLIPR（fluor ometricimaging readet）熒光檢測法，可在短時間內同時測定熒光的強度和變化，對測定細胞內鈣離子流及測定細胞內pH和細胞內鈉離子流等，是非常理想的一種高效檢測方法。
多功能微板檢測系統。由西安交通大學葯學院研製的1536孔板高通量多功能微板檢測系統，是國際上先進的高通量檢測系統，它可使篩選量進一步提高，現已在該院投入使用。
1．基本原理
高通量葯物篩選技術是將多種技術方法有機結合而形成的新的技術體系，它以分子水平和細胞水平的實驗方法為基礎，以微板形式作為實驗工具載體，以自動化操作系統執行實驗過程，以靈敏快速的檢測儀器採集實驗數據，以計算機對實驗獲得的數據進行分析處理。它的正常開展需要有一個高容量的化合物庫、自動化的操作系統、高靈敏度的檢測系統、高效率的數據處理系統以及高特異性的葯物篩選模型。
1.1 化合物樣品庫
高通量篩選是一種利用已有的化合物進行的體外隨機篩選。因此通過高通量葯物篩選發現先導化合物(leading compounds)的有效性取決於化合物樣品庫中化合物的數量及其質量。化合物樣品的數量是指不同樣品的數量。化合物樣品的質量主要由化合物結構的多樣性決定的。許多活性反應基團(reactive groups)使初篩的假陽性大量增加，剔除這些化合物可以提高化合物樣品庫的質量。
化合物樣品主要有人工合成和從天然產物中分離純化兩個來源。
人工合成又可分為常規化學合成和組合化學合成兩種方法。採用常規化學合成的純化合物一直是國外製葯企業建立化合物樣品庫的主要來源。它們通過長年積累的化合物建立化合物樣品庫，通過購買和化合物交流使化合物樣品庫的數量和質量大幅度提高。
組合化學(combinatorial chemistry)的出現為大量增加化合物的數量提供另外一種來源。組合化學的基本原理是採用適當的化學方法，在特定的分子母核上加入不同的基團，在同樣條件下，產生大量的新化合物。這種方法在化合物的結構改造和優化方面已經表現出強大的優勢。但是，由於該方法是基於母核結構的改造，因此產生的大量化合物在結構多樣性方面尚有極大的不足。解決組合化學產物結構多樣性的問題，已經成為化學研究人員的研究課題。
從天然產物中分離出來的化合物，母核結構和活性基團是長期的自然選擇形成的，它們通過高通量篩選所表現出來的生物活性在葯物發現中具有人工合成化合物所不能比擬的優勢。因此，增加樣品庫中具結構多樣性的天然化合物及其衍生物是提高樣品庫質量的一個重要途徑。跨國制葯企業為了增加高通量篩選的陽性率，已經或正在尋求助買我國的天然產物單體。
1.2 自動操作系統
高通量葯物篩選每天要對數千化台物樣品進行檢測，工作枯燥、步驟單一，人工操作容易疲勞、出錯。自動化操作系統採用微孔板作為反應容器，具有固定的分布模式(format)；不同的微孔板通過條形碼加以標記。自動化操作系統通過光電閱讀器對特定的微孔板上的特定位置進行操作，並將操作結果及相關數據存貯在計算機內，使篩選結果准確，實驗過程快速。
自動化操作系統編程過程簡潔明了，可操作性強。自動化操作系統的工作能力取決於系統的組成都分，根據需要可配置加樣、沖洗、溫解、離心等設備以進行相應的工作。
除了實驗步驟的需要以外，自動化的加樣方式是決定篩選速度的重要因素。主要有單孔、8孔、96孔、384孔等幾種方式。單孔一般用於對照樣品以及復篩中零散樣品的轉移。96孔、384孔在酶活性檢測以及需同時開始、同時終止反應的篩選模型中是必需的。
自動化操作系統的一個重要組成部分是堆棧(hotel)。所謂堆棧是指在操作過程中用來放置樣品板、反應板以及對它們進行轉移所需的騰挪空間。因此，高通量篩選的樣品數量取決於堆棧的容量。
由此可見，高通量葯物篩選的自動化操作系統由計算機及其操作軟體、自動化加樣設備、溫孵離心等設備、堆棧4個部分組成。不同的單位可根據主要篩選模型類型、篩選規模選購不同的部分整合成為一個完整的操作系統。
1.3 檢測系統
快速、高靈敏度的檢測技術是高通量葯物篩選的關鍵技術之一。檢測儀器靈敏度的不斷提高，即使對微量樣品的檢測，也可以得到很好的檢測效果。
1.3.1 液閃計數 放射性同位素廣泛用於受體結合測定、細胞毒性、細胞增殖實驗、葯物代謝示蹤以及基因分析中。由於採用了雙光電倍增管及時間分辨偶合迴路(time-resolved coincidence circuit)技術，有效地降低了背景信號的干擾，使測定靈敏度提高，同位素用量少。在96孔板的分析檢測中，背景信號可控制在10cpm左右。
親和閃爍分析(scintil1ation proximity assay，SPA)是一種新的液閃分析法。該方法在細胞表面受體葯物篩選中應用較為普遍。在高通量篩選測定細胞表面受體親合結合作用時，放射配體標記濾過分析技術由於需要進行分離，現已被親合閃爍分析所取代。親合閃爍分析技術通過親合結合，將放射性配基結合到具有受體的閃爍球上，從而產生光子，減少了放射配體標記分析中的游離配基與結合配基的分離過程，使得放射配基分析可完全以自動化的方式進行，適於進行高通量篩選。產生低能量放射粒子的同位素可被用來進行放射性標記，而這種低能量放射粒子在短距離內可被重吸收，以確保只有結合到受體表面的配基才被檢測到。SPA技術被廣泛的應用到激酶、核酸處理酶分析以及受體配體的相互作用分析中。
1.3.2 分光光度法 為了適應高通量葯物篩選，許多公司都生產了具備計算機介面並能對多孔板進行同時檢測的分光光度計。以Molecular Device公司的spectra 190為例，它採用8條光導纖維同時對8孔進行測定。測定波長以2nm為間隔，可以在190nm一850nm間進行選擇。對未知物質，可在該范圍內進行掃描以確定其特徵吸收光譜。因此，大大增加了建立模型的多樣性。檢測數據以不同文件格式輸出，可用隨機軟體或通用數據處理軟體進行處理。方便、快速、准確、自動化程度高。分光光度法高靈敏儀器同自動化操作系統的連接，使得基於紫外、可見光譜的高通量葯物篩選模型成為主要模型種類。
1.3.3 化學發光檢測 化學發光指生色物質在酶促作用下，化學能以光子的形式釋放出來。化學發光根據發光的形式和種類分為輝光型和閃光型發光兩種。輝光型化學發光如以AMPPD、CDPS、ECL、Diagoxigein等為基礎的發光反應。其發光時間較長且穩定。而以發光蛋白、ATP、熒光素酶等為底物的發光反應則是閃光型發光反應，其發光時間較短。由於時間分辨及偶合迴路技術的使用，對於背景的去除更為有效，使得化學發光的檢測靈敏度達到0.1pg數量級。在單孔多點噴射技術中，用於檢測化學發光的光導纖維末端帶有一噴頭，用來加入反應性底物。反應性底物從100個小孔噴出，使反應性底物加入孔中後即可均勻混合。發光反應同時啟動後，可立即進行測定，對於閃光性化學發光的測定更為有利。
1.3.4 激發熒光檢測 新型激發熒光檢測儀在傳統儀器的基礎上，用連續的激發光諧和測定光譜取代固定光譜，使模型的建立更具備靈活性。熒光檢測方法靈敏是因為多數熒光基團都有短暫的半衰期，即使用較弱的激發光源也能獲得大量的光子流。這種特性以及多種可採用的熒光模式，使得熒光檢測技術成為高通量篩選必不可少的應用手段。熒光技術在均相篩選分析中廣為應用。其中，包括熒光共振能量轉移(FRET)，熒光偏振(FP)，時間分辨熒光(TRET)以及熒光相關譜(FCS)等技術。
1.4 資料庫管理系統
高通量葯物篩選的特點是對數以萬計的化合物樣品進行多模型的篩選。與高通量葯物篩選相適應的資料庫管理系統主要承擔4個方面的功能。
樣品庫的管理功能：化合物樣品庫對進行高通量葯物篩選的化合物樣品的各種理化性質進行存儲管理。對每一個新入庫的化合物進行新穎性分析，排除結構雷同的化合物，避免不必要的篩選。由於高度反應性基團增加了假陽性出現的機率，樣品庫對新入庫的化合物進行反應基因檢測以去除這類化合物。
生物活性信息的管理功能：生物活性庫存貯每一化合物經過不同模型檢測後的結果，並根據多個模型的檢測結果對化合物的生物活性進行綜合評價。
對高通量葯物篩選的服務功能：高通量葯物篩選的工作量大，自動化程度高，也涉及到許多繁瑣的工作。高通量葯物篩選資料庫管理系統對與葯物篩選相關的業務往來通訊、檔案管理以及各種樣品標簽的列印進行管理，使高通量葯物篩選的各個環節程序化、標准化。
葯物設計與葯物發現功能：高通量葯物篩選產生大量的化合物結構信息，隨著篩選的進行，生物活性信息也特大幅度提高。高通量葯物篩選資料庫管理系統通過對同一模型不同的呈現陽性反應的化合物結構進行分析，找出其構效關系，從而為葯物設計提供參考。
1.5 篩選模型
是指用於檢測葯物作用的實驗方法。由於高通量篩選要求反應總體積小，而且，反應具有較高特異性和敏感性，因此對於篩選模型也要求較高。這些模型主要集中在受體、酶、通道以及各種細胞反應方面。基因水平的葯物篩選模型，使葯物篩選模型的范圍更為廣泛。
1.5.1 以酶為靶的高通量篩選 以酶為作用靶的高通量篩選方法，絕大多數是直接檢測酶活性。具體方法根據酶的不同而不同，主要有基於放射性的方法和基於比色、熒光的方法兩大類。
基於放射性的方法多是將底物標記，測定放射性產物的生成。Taft等建立了(1,3)β-葡聚糖合酶抑制劑(抗真菌)的高通量篩選方法。將含有酶的菌絲提取物、α-澱粉酶和UDP-14C-葡萄糖加入96孔板的孔中，溫孵、反應。終止反應後，濾去未被合成進入的底物。閃爍計數檢測濾器上保留的(1,3)β-葡聚糖，指示酶活性大小。
也有將酶標記，測定被特異結合的酶的方法。Vollmer等建立了一種以青黴素結合蛋白(PBP)為靶的抗生素的高通量篩選方法。PBP既是糖基轉移酶又是肽轉移酶，該法是篩選其糖基轉移結構域的活性位點上的可結合物。將莫諾黴素(moenomycin)結合於一種小球上，製成混懸液，加入96孔板，然後加入3H標記的PBP(細菌膜粗提物)和受試化合物，孵育、過濾去掉非結合的放射性，閃爍計數測得的放射性指示PBP與莫諾黴素結合的情況及受試化合物對其影響。
另外，基於放射性而無需過濾分離的SPA也有應用。Brown等建立了內源性肽酶的水解活性檢測方法，用以研究其抑制劑。用3H標記的肽底物，通過生物素(biotin)與抗生物素蛋白(avidin)包裹的SPA閃爍球相連。酶解使3H隨肽的斷裂而離開閃爍球。測定3H放射性作用於閃爍球產生的閃爍信號的丟失量，即指示酶活性大小。
基於比色、熒光等的方法有一些報道。Waslidge等建立了脂氧合酶抑制劑的篩選方法。酸性條件下，脂的過氧化物能把Fe2+氧化為Fe3+，然後氧化二甲酚橙(xylenol orange)，產物在可見光區620nm有強烈吸收。在96孔板上測定。Zhang等建立了HIV逆轉錄酶抑制劑(抗病毒葯物)的高通量篩選方法。方法使用了「同質時間分辨熒光」(homogenous time resolved fluorence，HTRF)技術，既實現了非分離操作(同質)，又避免了放射性同位素的使用。該方法基於逆轉錄酶能很容易地將核苷酸類似物(如生物素-11-dUTP)引入新生DNA鏈。在96或384孔板上，將生物素化的引物/模板與抗生蛋白鏈菌素-銪在板孔中混合孵育，加入逆轉錄酶，再加入生物素-dUTP和d-TTP混合物啟動反應。反應60min後，加入鏈親和素-別藻藍蛋白(streptavidin-allophycocyanin)，孵育，用HTRF分析儀讀取數據。該法也可用於多種其他的核酸聚合酶。
1.5.2 以受體為靶的高通量篩選 以受體為作用靶的高通量篩選方法。檢測功能反應的優點是易於區分激動劑和拮抗劑。經典的功能檢測方法通量低，而引入基於重組技術的報告基因檢測方法極大地提高了篩選通量，既高效且節省成本。檢測第二信使或下游機制如磷酸化，傳統方法也比較麻煩，不適於高通量檢測，但將這些機制與報告基因相偶聯則能克服。
1.5.3 以離子通道為靶的高通量篩選 Negri等建立了貝類動物毒素的高通量篩選方法。其作用靶為Na+通道上的蛤蚌毒素(STX)結合位點，用放射性配體(3H-STX)進行競爭性結合試驗考察受試樣品。Yong等用酵母雙雜交的方法高通量篩選干擾N型鈣通道β3亞單位與α1β亞單位相互作用的小分子，尋找新型鈣通道拮抗劑。
1.5.4 以核酸為靶的高通量篩選 Hamasaki等建立了以16S rRNA編碼區結構和HIV-RRE RNA結構為靶的抑制劑的高通量篩選方法。尋找類似氨基糖甙類抗生素而親和力更高或作用於相同核酸的其他位點的新化合物，以及不易被代謝失活的新化合物。方法基於當含芘的氨基甙類似物結合於RNA時，芘的熒光被淬滅的原理。在96孔板上，將芘碳醯巴龍黴素(PCP)，RNA結構配成溶液後加入有受試化合物的板孔中，用熒光讀板器考察熒光恢復的程度。
1.5.5 以細胞功能為基礎的高通量篩選
1.5.5.1 內皮細胞激活 內皮細胞激活是急慢性炎症過程中重要的組成環節。Rice等以E選擇蛋白在細胞表面的表達作為標志，建立了內皮細胞激活抑制劑的高通量篩選方法。建立人臍靜脈內皮細胞培養系統。IL-1刺激下，E選擇蛋白在內皮細胞表面的表達用ELISA方法定量。方法包括細胞固定、加液、加受試化合物等操作，能保持細胞完整，不昂貴，可重復，篩選速度可達每星期1000種化合物。適用化合物范圍很寬，並且方法用細胞作為檢測對象，使能夠較早地發現細胞對化合物的攝取及化合物的細胞毒性。
1.5.5.2 細胞凋亡 Erusalimsky等建立了新型細胞凋亡調節物的高通量篩選方法。細胞預先用3H 胸苷標記，與凋亡誘導物孵育後，連續經過兩種玻璃濾器。一個是中性的，捕獲完整的染色質和高分子量DNA。另一個裝有DEAE活性基團，捕獲低分子量DNA碎片。通過對濾器上放射性的測量，可以對DNA的破碎情況定量。
1.5.5.3 抗腫瘤活性 Lu等建立了用高通量「生物活性指紋」篩選抗肺癌葯物的方法，考察受試分子(類維生素A及類維生素A相關分子)對許多不同細胞系的效應特點。檢測指標包括：(1)肺癌細胞生長抑制檢測。選擇了約50種腫瘤和非腫瘤細胞，包括了大量不同的組織和(或)腫瘤來源。細胞暴露於受試化合物5d後，用標准比色法測定存活細胞百分率。20%生長抑制率指示有活性。(2)集落形成抑制檢測，用以區分細胞生長抑製作用和細胞殺傷作用。6孔板上加NCI-H292非小細胞肺癌細胞，暴露於受試物一定時間。然後對細胞進行清洗，植於無受試物的培養介質共7d。用結晶紫對細胞染色，考察集落形成情況。(3)凋亡檢測，用ELISA方法測量細胞DNA破碎。(4)轉錄調控檢測，用以考察受試化合物是否有類維生素A受體介導的轉錄抑製作用。方法是將HeLa TK-細胞用73Col-CAT報告基因連同受體的表達載體轉染，與受試物一起培養，用ELISA方法檢測CAT活性。
1.5.5.4 G2檢查點(G2 checkpoint) Roberge等建立了G2期檢查點抑制劑的高通量篩選方法。將MCF-7m p53細胞培養，種在96孔聚苯乙烯組織培養板上。照射使細胞進入G2靜止期，加入受試化合物用ELISA方法檢測核仁蛋白(nucleolin)的磷酸化形式，從而得到從G2期釋放進入M期的細胞數量，即抑制G2檢查點程度。
1.5.5.5 信號轉導通路 Su等建立了TGFβ3通路作用物的高通量篩選方法。構建融合報告基因，轉染細胞，選擇蟲熒光素酶表達能被TGFβ高誘導的克隆。將細胞植於96孔板，與受試化合物孵育後，稀釋並加入Steady-Glo底物測蟲熒光素酶活力，與對照比較，計算相對酶活性增加值。
1.5.5.6 細菌蛋白分泌 Alksne等建立了以抑制細菌蛋白分泌為作用方式的新型抗生素的高通量篩選方法。該方法基於SecA-lacZ融合報告基因。SecA是一種自我調控翻譯的蛋白，當細菌蛋白分泌被干擾時，該報告基因被誘導。
1.5.5.7 細菌生長 Chung等建立了抑制分枝桿菌生長化合物的高通量篩選方法。選擇了一種腐生性分枝桿菌代替結核分枝桿菌，因其具有生長迅速以及非感染性的特點。通過測定細胞攝入放射性標記的尿嘧啶，考察受試化合物對分枝桿菌活力的作用。用96孔板的形式，1d內可以測試數千個樣品。
2．生葯活性成分的高通量篩選
樣品是高通量葯物篩選的物質基礎，樣品庫來源的化學多樣性是決定高通量篩選技術能否成功的關鍵因素之一。前面我們談到，化合物樣品主要有常規化學合成、組合化學合成和從天然產物中分離純化幾個來源。而從天然產物中分離出來的化合物，由於其母核結構和活性基團是長期的自然選擇形成的，它們具有人工合成化合物所不能比擬的優勢。
我國擁有非常豐富的葯材資源，幾十年來，我們應用葯理學手段，對我國的傳統葯物進行了大規模的研究和篩選，取得了巨大成就。但是，僅僅依靠傳統的葯理實驗方法，既耗時，勞動強度又大，還需要使用大量實驗動物，顯然不能適應大量樣品的同時篩選。雖然經過努力，已從生葯中分離、提取、純化出大量化合物，但由於研究手段的落後，使大量分離出的化合物得不到充分的利用，造成了化合物資源的極大浪費。
因此，將高通量篩選技術應用於生葯的活性成分研究，既是對高通量篩選技術的不斷完善，又是將這一技術應用於中葯現代化研究的有益嘗試。
如何對生葯的活性成分進行高通量篩選呢？其原理、方法和人工合成化合物的高通量篩選基本一致，區別主要在於篩選前需要從生葯中將化合物提取出來並進行適當的分離和化學多樣性的評價。相同的就不再贅述，這里主要談一下提取、分離和多樣性評價的問題。
2.1 提取 由於高通量篩選需要大量的樣品來源，所以常規的提取方法顯然不能滿足這一要求。尋找一個快速、高效、連續、自動化的提取方法顯得迫在眉睫。加速溶劑提取技術是一個新的提取技術，在准備好樣品和對提取方法（或程序）進行設定後，自動進樣和自動收集裝置就可以連續對最多24個不同樣品自動完成樣品的提取和提取液的收集，簡單方便。應用這一技術，可以得到大量的生葯的提取物。
2.2 分離及化學多樣性評價 我們都知道，生葯的化學成分相當復雜，通過提取得到的提取物往往是大量單體組成的混合物，所以篩選前需要對生葯的提取物進行適當的分離。在眾多的分離手段中，制備型HPLC應該是最為理想的，它具有快速、高效、自動化等諸多優點。
分離完成後還需要對分離的物質進行化學多樣性的評價，以提高高通量篩選的效率。以前，這種評價多是基於物種的地理分布、生物學分類、化學分類以及基源等關系，隨著科技的進步，多種現代化手段開始應用於化學多樣性的評價。其中，色譜-電噴霧質譜聯用（HPLC-ESI-MS）技術在這方面做出了有力的嘗試。首先，它做出成分的離子信號（m/z）對保留時間的平面圖，然後對這些數據進行統計學的相似度評估從而對樣品的多樣性進行定量的評價。接著，三維的HPLC數據被轉換為CDF文件格式並傳輸到UNIX工作站。數據文件中的每一個離子（包括保留時間、質量、離子強度等數據）被定位在一個二維圖譜中，保留時間和質量分佔一個軸，離子強度數據儲存在位點中。濾除雜訊以後，離子的中心時間和中心質量被計算出來。根據對LCMS的數據處理，混合物間的相似度被定量地計算出來。這種數據處理基於以下的一種關系，這種關系表徵了樣品1中的離子i和樣品2中的離子j的「化學空間」距離。
其中，ti表示離子i的色譜保留時間，mi表示離子i的質荷比（m/z），wt是保留時間的權重系數，wm是質量的權重系數。dij是離子i和離子j的歐幾里的距離，n1和n2分別是樣品1和樣品2中確認的離子數。sij是離子i和離子j之間的相似度（0-1），相似度值為1表明是相同樣品，相反，相似度值接近0則表明樣品具有很高的化學多樣性。通過這種方法，可以很好的解決樣品化學多樣性的評價問題。
4. 怎麼篩選PDB資料庫中的蛋白
打開PDB資料庫輸入你知道的PDB編號 如果不知道編號就輸入英文名稱或者簡稱,搜索後出現蛋白質列表 一個個看 看哪個是你想要的.點一下,右上方有下載鏈接.下載xxx.pdb到本地磁碟後 用pymol或者rasmol軟體打開看.或者用文本編輯器打開看詳細的附加信息.
5. 常用的查詢蛋白質結構以及序列的資料庫主要有哪些
1. PIR和PSD
PIR國際蛋白質序列資料庫(PSD)是由蛋白質信息資源(PIR)、慕尼黑蛋白質序列信息中心(MIPS)和日本國際蛋白質序列資料庫(JIPID)共同維護的國際上最大的公共蛋白質序列資料庫，可在這里下載。這是一個全面的、經過注釋的、非冗餘的蛋白質序列資料庫，其中包括來自幾十個完整基因組的蛋白質序列。所有序列數據都經過整理，超過99%的序列已按蛋白質家族分類，一半以上還按蛋白質超家族進行了分類。PSD的注釋中還包括對許多序列、結構、基因組和文獻資料庫的交叉索引，以及資料庫內部條目之間的索引，這些內部索引幫助用戶在包括復合物、酶－底物相互作用、活化和調控級聯和具有共同特徵的條目之間方便的檢索。每季度都發行一次完整的資料庫，每周可以得到更新部分。
PSD資料庫有幾個輔助資料庫，如基於超家族的非冗餘庫等。PIR提供三類序列搜索服務：基於文本的互動式檢索；標準的序列相似性搜索，包括BLAST、FASTA等；結合序列相似性、注釋信息和蛋白質家族信息的高級搜索，包括按注釋分類的相似性搜索、結構域搜索GeneFIND等。
2. SWISS-PROT
SWISS-PROT是經過注釋的蛋白質序列資料庫，由歐洲生物信息學研究所(EBI)維護。資料庫由蛋白質序列條目構成，每個條目包含蛋白質序列、引用文獻信息、分類學信息、注釋等，注釋中包括蛋白質的功能、轉錄後修飾、特殊位點和區域、二級結構、四級結構、與其它序列的相似性、序列殘缺與疾病的關系、序列變異體和沖突等信息。SWISS-PROT中盡可能減少了冗餘序列，並與其它30多個數據建立了交叉引用，其中包括核酸序列庫、蛋白質序列庫和蛋白質結構庫等。
利用序列提取系統(SRS)可以方便地檢索SWISS-PROT和其它EBI的資料庫。SWISS-PROT只接受直接測序獲得的蛋白質序列，序列提交可以在其Web頁面上完成。
3. PROSITE
PROSITE資料庫收集了生物學有顯著意義的蛋白質位點和序列模式，並能根據這些位點和模式快速和可靠地鑒別一個未知功能的蛋白質序列應該屬於哪一個蛋白質家族。有的情況下，某個蛋白質與已知功能蛋白質的整體序列相似性很低，但由於功能的需要保留了與功能密切相關的序列模式，這樣就可能通過PROSITE的搜索找到隱含的功能motif，因此是序列分析的有效工具。PROSITE中涉及的序列模式包括酶的催化位點、配體結合位點、與金屬離子結合的殘基、二硫鍵的半胱氨酸、與小分子或其它蛋白質結合的區域等；除了序列模式之外，PROSITE還包括由多序列比對構建的profile，能更敏感地發現序列與profile的相似性。PROSITE的主頁上提供各種相關檢索服務。
4. PDB
蛋白質數據倉庫(PDB)是國際上唯一的生物大分子結構數據檔案庫，由美國Brookhaven國家實驗室建立。PDB收集的數據來源於X光晶體衍射和核磁共振(NMR)的數據，經過整理和確認後存檔而成。目前PDB資料庫的維護由結構生物信息學研究合作組織(RCSB)負責。RCSB的主伺服器和世界各地的鏡像伺服器提供資料庫的檢索和下載服務，以及關於PDB數據文件格式和其它文檔的說明，PDB數據還可以從發行的光碟獲得。使用Rasmol等軟體可以在計算機上按PDB文件顯示生物大分子的三維結構。
5. SCOP
蛋白質結構分類(SCOP)資料庫詳細描述了已知的蛋白質結構之間的關系。分類基於若干層次：家族，描述相近的進化關系；超家族，描述遠源的進化關系；折疊子(fold)，描述空間幾何結構的關系；折疊類，所有折疊子被歸於全α、全β、α/β、α＋β和多結構域等幾個大類。SCOP還提供一個非冗餘的ASTRAIL序列庫，這個庫通常被用來評估各種序列比對演算法。此外，SCOP還提供一個PDB-ISL中介序列庫，通過與這個庫中序列的兩兩比對，可以找到與未知結構序列遠緣的已知結構序列。
6. COG
蛋白質直系同源簇(COGs)資料庫是對細菌、藻類和真核生物的21個完整基因組的編碼蛋白，根據系統進化關系分類構建而成。COG庫對於預測單個蛋白質的功能和整個新基因組中蛋白質的功能都很有用。利用COGNITOR程序，可以把某個蛋白質與所有COGs中的蛋白質進行比對，並把它歸入適當的COG簇。COG庫提供了對COG分類數據的檢索和查詢，基於Web的COGNITOR服務，系統進化模式的查詢服務等。
6. 基於配體結構的計算機輔助葯物分子設計有哪些研究內容和方法
基於配體結構的計算機輔助葯物分子設計可以按照要求。
基於配體的葯物分子設計，既可以用於葯物虛擬篩選，也可以用於反向尋靶，譬如葯物篩選管理系統（DSMS），基於二維或三維相似度等手段，進行虛擬篩選；又譬如葯物靶點預測系統（DTPS），基於相似度進行靶點預測。
(6)查合成配體的資料庫擴展閱讀：
計算機輔助葯物設計的一般原理是，首先通過X－單晶衍射技等技術獲得受體大分子結合部位的結構，並且採用分子模擬軟體分析結合部位的結構性質，如靜電場、疏水場、氫鍵作用位點分布等信息。
然後再運用資料庫搜尋或者全新葯物分子設計技術，識別得到分子形狀和理化性質與受體作用位點相匹配的分子，合成並測試這些 分子的生物活性，經過幾輪循環，即可以發現新的先導化合物。因此，計算機輔助葯物設計大致包括活性位點分析法、資料庫搜尋、全新葯物設計。
7. ligand traps是什麼意思
ligand trap可以理解為「配體捕獲」，（通常被翻譯為「配體陷阱」）主要是指人工合成的、能通過配體與受體識別方式識別特定的配體。一般文章中所說的ligand trap是指人工抗體葯物，具有抗體一樣的功能，但不是天然的抗體，而是經過人工修飾的「抗體」。
8. 計算機輔助葯物分子設計的目錄
第一章葯物研究及計算機輔助葯物分子設計1
第一節 葯物研究和開發的歷史及現狀1
第二節現代葯物研究的四大技術支柱3
一、分子生物學、基因組學及蛋白質組學3
二、組合化學5
三、高通量篩選6
四、與葯物研究相關的信息科學及技術7
第三節計算機輔助葯物分子設計11
一、概述11
二、CADD方法的分類12
第二章計算化學中的最優化方法17
第一節 引論17
一、 最優化問題概述17
二、 數學預備知識18
三、最優化條件26
第二節數值最優化方法30
一、最優化演算法的基本結構30
二、無約束問題的最優化方法33
第三章計算化學中的非數值最優化方法54
第一節引論54
一、計算復雜性54
二、局部搜索演算法56
三、組合優化問題演算法設計的思路58
第二節模擬退火63
第三節遺傳演算法77
第四節神經網路94
一、人工神經網路基本模型簡介94
二、用於優化計算的網路模型連續型Hopfield網路96
三、自組織網100
第四章分子力場和力場參數化106
第一節分子力場的勢函數形式108
第二節分子力場的分類115
一、 傳統力場115
二、第二代力場118
三、 通用力場120
四、其他力場121
第三節力場參數的擬合121
第五章構象分析方法139
第一節小分子的構象分析方法139
一、系統搜索方法139
二、片段連接方法142
三、隨機搜索方法143
四、距離幾何方法143
五、分子動力學方法146
六、基於遺傳演算法的構象分析方法148
第二節蛋白質結構的預測149
第六章分子動力學164
第一節積分方法165
第二節初始化167
第三節粒子受力的求算 169
第四節邊界條件173
第五節非鍵相互作用能的處理175
一、截斷值方法175
二、FMM方法177
三、Barnes?Huts演算法180
四、周期性邊界條件方法181
第六節約束條件動力學186
第七節恆溫和恆壓分子動力學188
第八節分子動力學軌跡分析189
第七章溶劑效應197
第一節顯示溶劑模型198
第二節連續介質模型199
一、表面加和模型199
二、泊松?玻耳茲曼模型202
三、GB/SA模型208
四、模型多級矩展開方法213
五、極化的連續介質模型213
六、SMx系列溶劑化模型215
第八章結合自由能計算218
第一節 引言218
一、 熵增加原理和Gibbs自由能218
二、受體?配體結合的親和力220
三、自由能計算方法的分類223
第二節自由能微擾和熱力學積分方法223
三、FEP和TI在葯物設計中的應用227
第三節基於主方程的自由能計算方法229
一、MM/PBSA方法的原理229
二、MM/PBSA方法的應用230
三、MM/PBSA方法的發展和完善232
第四節基於經驗方程的自由能預測234
一、B?hm的自由能預測模型234
二、Eldredge的自由能預測模型235
三、Head的自由能預測模型236
第五節LIE方法237
第九章定量構效關系方法研究246
第一節 二維定量構效關系方法246
一、Hansch法246
二、Free?Wilson法250
三、各種參數250
第二節建立定量構效關系模型的統計方法263
一、回歸分析263
二、遺傳演算法265
三、人工神經網路267
第三節三維定量構效關系方法268
一、距離幾何3D?QSAR268
二、分子形狀分析270
三、比較分子場分析方法272
四、虛擬受體方法277
第四節QSAR的應用281
一、2D?QSAR的應用281
二、3D?QSAR的應用287
參考文獻289
第十章 葯效團模型方法295
第一節葯效團模型的表達296
一、葯效特徵元素296
二、幾何約束299
第二節葯效團模型的識別300
一、葯效團識別的基本步驟301
二、分子疊合和活性構象301
第三節基於葯效團模型的資料庫搜索303
一、基於葯效團的資料庫搜索303
二、柔性構象搜索304
第四節葯效團識別系統305
一、Receptor305
二、Apex?3D306
三、DISCO307
四、GASP308
五、CATALYST309
六、幾種葯效團識別系統的性能比較311
第五節葯效團模型方法的應用314
一、Muscarinic M3受體拮抗劑的設計315
二、5?HT3受體拮抗劑的設計317
三、MC增生抑制劑的設計318
四、PKC抑制劑的設計319
五、HIV?1整合酶抑制劑的設計320
第十一章分子對接方法325
第一節分子對接的原理325
一、分子對接的理論基礎325
二、分子對接方法的分類326
三、分子對接方法中的重要問題326
第二節幾種有代表性的分子對接方法327
一、DOCK328
二、AUTODOCK332
三、FlexX335
四、Affinity337
五、LigandFit340
六、SFDOCK341
第三節虛擬篩選的策略343
第四節分子對接在葯物設計中的應用345
一、胸苷酸合成酶抑制劑的設計348
二、DHFR抑制劑的設計349
三、EGFR和抑制劑間相互作用模式的研究349
第十二章從頭設計方法354
第一節從頭設計方法的分類354
一、片段定位法355
二、位點連接法356
三、片段連接法357
四、逐步生長法360
第二節幾種重要的從頭設計方法362
一、GRID362
二、MCSS363
三、HINT365
四、LUDI366
五、Leapfrog369
第三節從頭設計在葯物開發中的應用371
一、fⅩa抑制劑的設計372
二、全新FKBP?12配體的設計373
第十三章分子三維結構資料庫和虛擬組合化學377
第一節三維結構資料庫378
一、劍橋結構資料庫379
二、國家癌症研究所380
三、Available Chemicals Directory 3D(ACD?3D)380
四、Available Chemicals Directory?Screening(ACD?SC)381
五、MDL Drug Data Report 3D(MDDR?3D)381
六、Comprehensive Medicinal Chemistry(CMC)381
七、類似物設計的結構資料庫BIOSTER382
八、Chapman & Hall Dictionary of Natural Proct(DNP)382
九、Metabolite382
十、Toxicity382
十一、中草葯三維結構資料庫383
第二節分子結構的拓撲表達和結構轉化385
一、分子結構的拓撲表達386
二、分子三維結構的轉化387
第三節資料庫搜索技術388
一、子結構匹配388
二、相似性搜索392
第四節重要的三維結構搜索系統395
一、MDL/Base395
二、Unity396
第五節計算組合化學方法396
第十四章葯代動力學特徵和毒性的預測405
第一節葯代動力學特徵的預測406
一、脂水分配系數406
二、腦血分配系數414
三、腸通透性420
四、水溶性422
第二節分子毒性的預測425
一、引論425
二、計算機輔助的化合物毒性預測方法427
三、常見化合物毒性預測軟體436
第十五章EGF?R和抑制劑間相互作用模式的研究447
第一節酪氨酸蛋白激酶447
一、PTK的結構特徵447
二、EGF?R的結構特徵448
三、EGF?R抑制劑的分類450
第二節苯胺喹唑啉類抑制劑的三維構效關系454
第三節EGF?R和喹唑啉類抑制劑結合模式的預測466
第十六章HIV?1蛋白酶抑制劑的設計476
第一節HIV?1病毒的結構和侵襲靶細胞的機制476
第二節基於HIV蛋白酶的抑制劑設計480
附錄一分子模擬方法中常用概念和名詞495
一、分子坐標表示495
二、分子表面498
三、分子圖形顯示模型500
四、量化計算常見術語簡介502
附錄二葯物分子設計中常用軟體列表505
1?大型分子模擬軟體系統505
2?小型分子模擬軟體系統507
3?小型葯物設計軟體系統508
4?常用量化計算軟體509
5?分子力學、分子動力學和蒙特卡羅模擬軟體510
6?QSAR和分子參數計算軟體513
7?葯效團模擬軟體518
8?分子對接軟體519
9?從頭設計方法522
10?分子相似性和差異性分析以及組合庫設計524
11?葯代動力學和毒性預測軟體526
12?蛋白質三維結構模建、結構評估和活性位點預測軟體529
13?資料庫搜索軟體532
14?分子疊合532
15?二維轉三維和文件格式轉換軟體533
16?分子顯示軟體534
17?求解PB方程的軟體536
18?化學軟體開發包536
19?國內主要軟體代理商的相關信息537
9. 化學信息學的發展現狀
伴隨著葯物發現和製造技術發展而產生的化學信息學最早是由Frank Brown 用下述簡潔語言定義的：綜合信息資源，將數據（data）轉化為信息（information），將信息轉化為知識(knowledge），並將它用於特定葯物先導化合物的辨識和優化領域的一門學科。眾所周知，由於組合化學的出現使得葯物學發生了革命性的變化。現代葯物設計可以利用計算化學的方法，通過分子建模和模擬虛擬合成各種化合物（solid phase synthesis）。但是，通過這種方法得到的可供篩選的化合物庫非常龐大，理論上可以合成的類葯分子超過1040個。顯然，如果去實際合成每一個葯物來進行篩選是不可能的，因此必須從大量的數據中總結出規律，並利用這些規律進行虛擬的高通量篩選（HTS），以減少需要實際合成的化合物，同時盡可能地接近目標化合物。面對如此大量的數據，需要將原本獨立的化學、數學及計算機等學科融合起來，構建一系列計算技術工具，以便完成從數據到信息，從信息到知識的整個化學信息處理過程。這些技術工具不僅包括實驗數據的分析處理，同時也包括分子各種性質的計算、化合物資料庫的建立、分子的虛擬合成、QSAR的研究、化學結構和性質資料庫的建立、基於三維結構的分子設計、統計方法的研究等。化學信息學正是在上述需求基礎上發展起來的一門交叉學科。它綜合了數學、化學、生物學、信息學、計算機應用、葯物學等學科知識，主要研究如何適當地選取化合物庫（library）的多樣性（diversity）、如何表徵葯物分子特徵、如何度量不同分子間的差異性、如何識別類葯（drug like）分子、分子結構和生物性能（bioactivity）關系、如何研發相應的計算機軟硬體等，這就包括了化學計量學及計算化學的研究任務和內容。
化學信息學方法與傳統的化學計量學方法相比，更注重於有用信息的提取和更注重計算速度的提高。為滿足信息提取的需要，它大量採用了人工智慧領域和信息科學領域的先進方法和工具。例如，運用數據挖掘技術去發現大量原始數據中的隱含規則；運用特徵提取技術和編碼技術進行模式的表達；運用資料庫技術完成大型數據的儲存和搜索；運用計算機模擬技術模擬分子的合成，以及受體和配體之間的匹配等。而為滿足計算速度方面的要求，它一方面採用更高性能的計算機硬體，如並行計算機等；另一方面研究設計更為高效的演算法，以最大限度地利用計算機硬體所能提供的計算能力。顯然，化學信息學所研究的問題已經超越了傳統化學計量學所研究的范疇，現有的化學計量學方法難以解決分子設計研究領域大量出現的新問題。從這個意義上講，化學信息學的創立和發展是化學學科拓展的歷史必然。化學信息學在化學領域、化工領域、葯物設計領域、材料科學領域等許多領域中都已得到廣泛的應用。例如，在化工領域中，化學信息學被用來對反應條件進行優化和篩選催化劑等，這主要是通過對實驗數據進行建模，然後使用該預測模型實現對實驗工作的指導；在葯物設計領域，主要被用來進行分子模擬、虛擬合成、構效關系分析、虛擬篩選等；在材料科學領域，化學信息學被用於分子模擬和分子設計，並在分子性能預測的基礎上，從所設計的分子中篩選出進行實際合成的分子，以便得到經過性能優化的材料。
10. 計算機輔助葯物設計的基本原理是什麼
計算機輔助葯物設計的基本方法
21世紀新葯研究的熱點將集中於先導化合物的發掘與設計，其中使用計算機輔助設計是先導化合物設計的重要方法之一。計算機輔助葯物設計是應用量子力學、分子動力學、構效關系等基礎理論數據研究葯物對酶、受體等的作用的葯效模型，從而達到葯物設計之目的。
計算機輔助葯物設計的方法始於1980年代早期。當今，隨著人類基因組計劃的完成、蛋白組學的迅猛發展，以及大量與人類疾病相關基因的發現，葯物作用的靶標分子急劇增加；同時，在計算機技術推動下，計算機葯物輔助設計在近幾年取得了巨大的進展。在我國，中科院上海葯物所承擔的國家863項目「基於蛋白質和核酸三維結構知識的葯物設計」也致力於該領域的研究發展和改進葯物分子設計的理論計算方法，並編制相應的軟體，對一系列具有重要的葯理作用的葯物進行了三維定量構效關系和計算輔助葯物設計的理論研究，發現了一些活性超過左旋氧氟沙星的化合物和活性超過銀杏內酯的化合物。
為了便於公眾了解計算機輔助葯物設計的基本原理與方法，以及該領域的最新的進展，本文根據現有的相關文獻對此作一綜述。
計算機輔助葯物設計的一般原理是，首先通過X－單晶衍射技等技術獲得受體大分子結合部位的結構，並且採用分子模擬軟體分析結合部位的結構性質，如靜電場、疏水場、氫鍵作用位點分布等信息。然後再運用資料庫搜尋或者全新葯物分子設計技術，識別得到分子形狀和理化性質與受體作用位點相匹配的分子，合成並測試這些分子的生物活性，經過幾輪循環，即可以發現新的先導化合物。因此，計算機輔助葯物設計大致包括活性位點分析法、資料庫搜尋、全新葯物設計。
1．活性位點分析法
該方法可以用來探測與生物大分子的活性位點較好地相互作用的原子或者基團。用於分析的探針可以是一些簡單的分子或者碎片，例如水或者苯環，通過分析探針與活性位點的相互作用情況，最終可以找到這些分子或碎片在活性部位中的可能結合位置。由活性位點分析得到的有關受體結合的信息對於全新葯物的設計具有指導性。目前，活性位點分析軟體有DRID、GREEN、HSITE等。另外還有一些基於蒙特卡羅、模擬退火技術的軟體如MCSS、HINT、BUCKETS等。
其中，GRID由Goodford研究小組開發，其基本原理是將受體蛋白的活性部位劃分為有規則的網格點，將探針分子（水分子或甲基等）放置在這些網格點上，採用分子力場方法計算探針分子與受體活性部位各原子的相互作用能，這樣便獲得探針分子與受體活性部位相互作用的分布情況，從中可發現最佳作用位點。GRID最初運算的例子是用水分子作為探針分子，搜尋到了二氫葉酸還原酶（DHFR）活性部位中水的結合位點以及抑制劑的氫鍵作用位點。由此軟體成功設計的葯物有抗A型感冒病毒葯物4－胍基Neu5Ac2en（GG167， RelenzaTM）。該化合物有很強的抗感冒病毒能力，克服了以往抗感冒病毒葯物的耐葯性缺陷，具有很好的市場前景。
MCSS是Miranker和Karplus在CHARMM力場基礎上發展而來，它的基本要點是在運用 CHARMM力場進行分子動力學模擬時，取消溶劑分子間的非鍵相互作用。這樣，在分子動力學模擬時，溶劑在能量合適的區域疊合在一起，從而提高了搜尋溶劑分子與受體分子結合區域的效率。小分子碎片（如水和苯分子）可當作溶劑分子，運用上述動力學方法搜尋出分子碎片與受體的結合區域，然後對每個碎片選擇100－1000個拷貝，在低能碎片結合域進行能量優化。在最後的能量搜尋過程中，可以用隨機取樣或網格點的方法來實施。搜尋時每個碎片的各個拷貝可以作剛性轉動，最後直接比較每個碎片各個拷貝與受體的結合能，以此選擇碎片的最佳作用位點。2001年Adlington等利用MCSS對前列腺特異性免疫抗原（PSA）的活性位點進行了詳細分析，以此對已有的PSA抑制劑進行結構優化，從而得到了迄今為止活性最高的PSA抑制劑。
2． 資料庫搜尋
目前資料庫搜尋方法分為兩類。一類是基於配體的，即根據葯效基團模型進行三維結構資料庫搜尋。該類方法一般需先建立一系列活性分子的葯效構象，抽提出共有的葯效基團，進而在現有的資料庫中尋找符合葯效基團模型的化合物。該類方法中比較著名的軟體有Catalyst和Unity，而以前者應用更普遍。另一類方法是基於受體的，也稱為分子對接法，即將小分子配體對接到受體的活性位點，並搜尋其合理的取向和構象，使得配體與受體的形狀和相互作用的匹配最佳。在葯物設計中，分子對接方法主要用來從化合物資料庫中搜尋與受體生物大分子有較好親和力的小分子，從而發現全新的先導化合物。分子對接由於從整體上考慮配體與受體的結合效果，所以能較好地避免其他方法中容易出現的局部作用較好，整體結合欠佳的情況。目前具代表性的分子對接軟體主要有 DOCK、F1exX和GOLD。
DOCK由Kuntz小組於1982年開發，最新版本為DOCK 5．0。DOCK的開發經歷了一個由簡單到復雜的過程：DOCK1.0考慮的是配體與受體間的剛性形狀對接；DOCK2.0引入了「分而治之」演算法，提高了計算速度；DOCK 3.0採用分子力場勢能函數作為評價函數；DOCK 3.5引入了打分函數優化以及化學性質匹配等；DOCK4.0開始考慮配體的柔性；DOCK 5.0在前面版本基礎上，採用C++語言重新編程實現，並進一步引入GB／SA打分。DOCK程序現已成功地應用於葯物分子設計領域。 Kuntz等利用用DOCK程序研究HIV－1蛋白酶，根據分子相似性對劍橋晶體資料庫進行搜尋，得到化合物haloperidol，通過測試，其對HIV－1蛋白酶的Ki值為100μmol／L；進一步的結構改造得到化合物thioletal，其IC50高達1 5μmol／L。DesJarlais利用DOCK程序的一個改進版target-DOCK搜尋HIV－1蛋白酶抑制劑，得到一系列HIV－1蛋白酶抑制劑，其中活性最高的化合物其Ki值為7μmol／L。
F1exX是一種快速、精確的柔性對接演算法，在對接時考慮了配體分子的許多構象。F1exX首先在配體分子中選擇一個核心部分，並將其對接到受體的活性部位，然後再通過樹搜尋方法連接其餘片斷。F1exX的評價函數採用改進的Bhöm結合自由能函數。F1exX的對接演算法建立在逐步構造策略的基礎之上，分以下三步：第一步是選擇配體的一個連接基團，稱為核心基團；第二步將核心基團放置於活性部位，此時不考慮配體的其他部分；最後一步稱為構造，通過在已放置好的核心基團上逐步增加其他基團，構造出完整的配體分子。F1exX對接一個典型的葯物分子大約需要3分鍾，表明它可用於中等規模的三維資料庫搜尋；此外，由於其採用了經驗結合自由能函數進行評價，結果可能要優於以相互作用能為評價函數的分子對接方法。因此，F1exX是一個非常有前途的葯物設計方法，近年來發展迅速。
3．全新葯物設計
資料庫搜尋技術在葯物設計中廣為應用，該方法發現的化合物大多可以直接購買得到，即使部分化合物不能直接購買得到，其合成路線也較為成熟，可以從專利或文獻中查得，這都大大加快了先導化合物的發現速度。但是，資料庫搜尋得到的化合物通常都是已知化合物，而非新穎結構。近年來，全新葯物設計越來越受到人們的重視，它根據受體活性部位的形狀和性質要求，讓計算機自動構建出形狀、性質互補的新分子，該新分子能與受體活性部位很好地契合，從而有望成為新的先導化合物；它通常能提出一些新的思想和結構類型，但對所設計的化合物需要進行合成，有時甚至是全合成。全新葯物設計方法出現的時間雖然不長，但發展極為迅速，現已開發出一批實用性較強的軟體，其主要軟體有LUDI、Leapfrog、GROW、SPROU以及北京大學來魯華等開發的LigBuilder等，其中LUDI最為常用。
LUDI是由Bhöm開發的進行全新葯物設計的有力工具，已廣泛地被制葯公司和科研機構使用，其特點是以蛋白質三維結構為基礎，通過化合物片段自動生長的方法產生候選的葯物先導化合物。它可根據用戶確定好的蛋白質受體結合部位的幾何形狀和物理化學特徵（氫鍵形成能力、疏水作用位點），通過對已有資料庫中化合物的篩選並在此基礎上自動生長或連接其他化合物的形式，產生大量候選先導化合物並按評估的分值大小排列，供下一步篩選；可以對已知的葯物分子進行修改，如添加/去除基團、官能團之間的連接等。在受體蛋白質結構未知的情況下，此模塊也可以根據多個已知的同系化合物結構的疊合確定功能團，再根據功能團的空間排列和理化性質推測可能的蛋白質受體結合部位特徵，根據此特徵進行新型葯物設計。目前研究人員利用LUDI設計出數十個針對不同疾病的活性化合物。
【參考文獻】
1．中國科技成果庫（CSTAD）：http://www.wanfangdata.com.cn
2．宋雲龍等 基於結構的計算機輔助葯物設計方法學與應用研究，葯學進展.2002,26(6).-359-364
3．陳凱先等 計算機輔助葯物設計——原理、方法及運用，上海科學技術出版社，2000
4．Von Itzstein M, Wu W Y et al. Rational design of potent sialidase-based inhibitors of influenza virus replication. Nature, 1993, 363: 418-423
5．Adlington R M, Baldwin J E et al. Design, synthesis, and proposed active site binding analysis of monocylic 2-azetidinone inhibitors of prostate specific antigen. J Med Chem, 2001, 44(10):1491-1508
6．Leapfrog. Tripos Associates, St Louis, MO, USA