摘要：通过SYBYL X 2.0软件包中Topomer CoMFA和Surflex-dock研究28种黄嘌呤结构的胞浆型磷酸烯醇式丙酮酸羧激酶（cPEPCK）抑制剂的三维定量构效关系（3D-QSAR）和分子对接模式.所得优化的3D-QSAR模型q2和r^2分别为0.907和0.994（q^2〉0.5时,建立的模型具有可靠的预测能力）,结果表明该模型具有较高预测能力.分子对接结果显示,此类分子与cPEPCK的Asn 533,Asn 292和Phe 530等活性功能残基具有氢键作用.Trp516可能是潜在的活性残基.基于以上研究讨论,为设计和开发具有较高活性的新型黄嘌呤类cPEPCK抑制剂提供有效信息.

摘要：目的:为新型高效联芳基氨基噻嗪类β-淀粉样前体蛋白水解酶1(BACE1)抑制剂的设计合成与新型AD治疗药物研发提供理论基础。方法:选取41个联芳基氨基噻嗪类BACE1抑制剂分子,运用SYBYL-X 2.0软件包,以比较分子场分析法(CoMFA)与比较分子相似性指数分析法(CoMSIA)构建该类衍生化合物的三维定量构效关系(3D-QSAR)模型,并以Surflex-dock分子对接方法分析该类化合物与BACE1的结合模式。结果:以CoMFA法和CoMSIA法构建的3D-QSAR模型的交叉验证系数(q^2)均大于0.5,表明其预测能力良好;所建三维等势图能直观反映不同位置引入取代基对化合物活性的影响。Surflex-dock对接分析显示,联芳基氨基噻嗪类分子与BACE1中的ASP80、ASP276、TYR246等氨基酸残基具有氢键作用。结论:基于联芳基氨基噻嗪类衍生化合物所构建的3D-QSAR模型具有良好的预测能力,可指导该类化合物的结构优化;TYR246可能是联芳基氨基噻嗪类抑制剂化合物分子与BACE1结合的另一潜在活性功能残基。通过3D-QSAR分析与分子对接,可进行新型高效联芳基氨基噻嗪类BACE1抑制剂的设计合成,进而用于研发新型AD治疗药物。

摘要：【目的】旨在比较分析不同生长期苦豆子全株、茎、叶和花的营养物质含量,确定苦豆子的最适宜收割时期,同时采用不同菌种对刈割苦豆子进行发酵处理,筛选适宜的发酵菌种。【方法】采集不同生长期苦豆子全株、茎、叶和花样品,测定其中粗蛋白质(CP)、粗脂肪(EE)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)和粗灰分(Ash)的含量;采用单因素完全随机试验设计,设对照组(CK组,不添加菌剂)、EM菌液组(E组,添加2 mg/kg EM菌液)、地衣芽孢杆菌组(D组,添加31.25 mg/kg地衣芽孢杆菌菌粉)、枯草芽孢杆菌组(K组,添加31.25 mg/kg枯草芽孢杆菌菌粉)和粪肠球菌组(F组,添加25 mg/kg粪肠球菌菌粉)进行发酵试验,每组4个重复。将调制好的发酵料置于37℃发酵96 h,评定发酵料感官品质,测定发酵料的营养成分含量。【结果】未开花期和初花期苦豆子全株和茎中CP含量显著高于盛花期,全株ADF含量和叶中NDF含量显著低于盛花期(P0.05)。未开花期苦豆子全株中NDF含量显著低于初花期和盛花期(P0.05)。未开花期苦豆子茎中NDF含量显著低于盛花期(P0.05)。苦豆子茎中ADF含量的变化规律是盛花期>未开花期>初花期(P0.05)。苦豆子发酵料中EE含量呈现显著的变化规律:F0.05)。苦豆子发酵料中ADF含量呈现显著的变化规律:D、K和F0.05)。各组间粗灰分含量差异均不显著(P>0.05)。【结论】不同生长期苦豆子的营养物质含量存在一定差异,未开花期和初花期苦豆子的营养价值更高,可选择在此时期进行刈割。不同菌种对初花期苦豆子的发酵效果存在较大差异,其中枯草芽孢杆菌和地衣芽孢杆菌的发酵效果最好。

摘要：传统基于Lab VIEW的水文特征分析系统存在对水文特征监测结果准确率低,监测用时长的问题。因此设计基于遥感图像的水文特征分析系统,采用B/S模式设计系统总体架构,确保用户在搜索需要资料的同时提高系统整体的运行效率。设计的系统显示界面可实现站点查询、水文特征、水文形态、水质监测和底图切换的功能,系统采用的SQL Server数据库包括遥感影像数据库、水文特征信息数据库和资料管理维护数据库,完成水文特征数据的全面存储。水文特征分析模块采取数据预处理、水流的流向分析、汇流累积量计算以及河网生成等操作,对水文特征进行全面、准确分析,系统中的水位预警分析模块通过对水域水位进行监测,依照不同安全级别将水位监测结果进行划分,实现对危险水位的准确预警。实验结果表明,所设计系统能对水文特征进行准确分析,具有较高的监测效率。

摘要：通过计算机模拟手段进行分子对接、药物筛选、先导物的优化、定量构效关系和药效团模型等药物设计方法,可以揭示药物与受体靶标的作用机制,探索药物靶点的空间结构,最终目标是设计具有能选择性地与某一靶标结合的分子;利用分子模拟技术来构造、显示、分析和储存复杂的分子模型,在三维空间中观测药物小分子的结构特征,更改小分子形状和方位,并探测小分子与受大分子靶点的作用机制,判断药物小分子与受体大分子结合的可能活性位点,还能对药物小分子的结构进行修正,提出改善药物的药效学和动力学性质的方案,在"三维空间"中实现直观、可视化的药物分子设计。人工智能利用大数据和机器学习方法,根据已有的药物研发数据自动设计出上百万种与特定靶标相关的小分子化合物,并根据药效、选择性、ADME等其他条件对化合物进行筛选。而后筛选出来的化合物会被合成并且进行实验检测,然后实验数据会被反馈到AI系统中用于改善下一轮化合物的选择。

摘要：先导化合物的确定是新药开发链中极其重要的环节。分子对接是药物设计的重要手段,通过分子对接筛选出大量具有生理活性的药物小分子,这些小分子作为先导化合物再经过多轮反复与受体靶标分子进行对接,不断优化结构,最终产生可能成药的候选物。

摘要：药物发现(drug discovery)就是新药的研究与开发,其过程涉及化学、药学、医学、生命科学和计算机科学。药物研发的理想策略是能够同时直接针对药物研究的两个对象:受体和药物。药物分子必须分布到受体生物大分子部位并与受体结合,才有可能发挥药理作用。药物设计的目的是预测小分子与受体大分子的结合位点,最终目标是发现全新的先导化合物。新药的研究与开发是一个周期长、投入高、创新性强的多学科交叉与渗透的系统工程。利用计算机模拟可以探测受体大分子的性质,解释实验结果以及预测由于配体和受体结构变化而引起的新性质;通过改变配体和受体分子形状和方向的操作,非常直观地看到小分子与受体大分子在靶点的相互作用,由此确定受体和药物的结合位点,还能对配体小分子结构进行修饰,提出改善药物的药效学和动力学性质的改良方案。

摘要：计算机辅助药物设计的基本出发点是针对药物作用靶点和药物分子的结构、功能及与药物作用方式,来设计作用专一、活性强、不良反应少的新药。药物分子必须分布到受体生物大分子部位并与受体结合,才有可能发挥药理作用。准确预测药物分子与受体生物大分子结合的复合物的结构和结合位点,是药物设计中最重要的环节,发现全新结构的先导化合物是药物发现的目标。作为药物设计的核心技术,"分子对接"是基于受体分子结构虚拟筛选的核心,是一种模拟小分子与生物大分子结合三维结构及其结合强度的计算方法,通过分子对接(docking)的方法,确定小分子与受体的结合构象,并评价其与受体的结合活性。

摘要：计算机辅助药物设计(computer aided drug design CADD)是以计算机的数值计算、逻辑判断、图形处理和数据库技术与功能为载体,运用化学和生物信息学提供的信息资源,直接模建或间接虚拟靶点图像,根据分子匹配理论和计算化学方法,模拟和计算受体与配体的相互作用,并对药物研发的各个阶段进行辅助解释和预测,设计出有效的先导物,再对先导物进行优化与改造。计算机辅助药物设计既可用于先导物的衍生,也可以用于先导物的优化,是实现基于结构和基于性质的药物设计的技术手段。