摘要：类药性是人们在对安全、可以口服的药物性质的研究中产生的概念。在新药研发过程中,化合物类药性与活性居于重要的地位。类药性特征包括三方面:(1)物理化学性质特征;(2)拓扑结构特征;(3)药代动力学(吸收,分布,代谢,排泄)性质。本文综述了类药性研究的最新进展,并对今后的研究内容进行了展望。

摘要：酪氨酸激酶抑制剂(TKI)(替尼类)为一类能抑制酪氨酸激酶活性的化合物,它通过抑制蛋白质酪氨酸残基磷酸化,阻断下游信号通路的传导,从而抑制表达位置的肿瘤细胞的生长、转移,起到抗肿瘤的功效。本文通过对替尼类抗肿瘤药物的平均分子量、氢键、极性表面积和可旋转键数等变量进行类药性分析和相关性研究,得出一些具有参考价值的数据范围,以便更好地应用于替尼类抗肿瘤药物的设计研发中。

摘要：以血管内皮生长因子受体-2(VEGFR-2)酪氨酸激酶的晶体结构为基础,采用从头药物设计方法,设计了一系列吲哚类化合物,并用类药性和分子对接进行了筛选,最后得到10个对接能量较低的化合物分子,对具有最低结合能的化合物与VEGFR-2酪氨酸激酶的复合物进行了10 ns的分子动力学模拟,并对其结合模式进行了分析.这些化合物结构新颖,可能作为抗肿瘤的先导化合物或候选药物.本文结果为VEGFR-2酪氨酸激酶抑制剂的进一步改造、设计及合成提供了理论基础,并有助于开发高活性和高选择性的抗肿瘤药物.

摘要：目的为组合化学库设计和先导化合物快速确定提供依据。方法 结合新近报道的文献资料进行分析述评。结果与结论以化合物的理化性质和结构特征为依据,介绍了各种类药性虚拟判断方法的研究进展。

摘要：目的　介绍化合物类药性预测方法用于指导类药化合物的合成与收集、类药组合化学库的设计以及高通量筛选前化合物的类药性预测。方法　预测化合物类药性的方法 ,包括简单的虚拟筛选方法、已知药物特征方法、分子水溶性方法、遗传算法和神经网络算法、口服生物利用度预测方法以及血脑屏障通透性预测方法等。结果　化合物类药性预测方法的应用 ,可以大大提高药物发现的机率。结论　在药物发现的早期 ,这些方法对于提高筛选样品的质量 ,减少人力、物力和财力的消耗 ,缩短药物发现的周期 ,将具有一定的指导意义。

摘要：组蛋白乙酰化转移酶p300在肿瘤细胞的分化和增殖中起重要的作用。本文采用了基于蛋白结构多层次的虚拟筛选方法来寻找组蛋白乙酰化转移酶p300的全新先导化合物,从含有十万个类药化合物的筛选库中,筛选出33个打分较好的化合物进行活性测试,其中1个化合物4-乙酰基-2-甲基-N-吗啉-3,4-二氢-2H-苯并[b][1,4]噻嗪-7-磺酰胺(17)的生物活性达到微摩尔水平。基于预测的该化合物与p300结合的模型,对该化合物进行了初步的结构修饰,通过构效关系研究所获得的结果与计算模拟预测的结合模式一致。所发现的全新结构的p300抑制剂将有助于发展更有效和更具选择性的组蛋白乙酰转移酶抑制剂。

摘要：为了探索用于治疗阿尔茨海默病的中药方剂的网络药理学,本文收集了阿尔茨海默病相关的25个作用靶点以及13种治疗阿尔茨海默病中药方剂,根据单味药出现的频率,从中选取了7种代表性的中草药进行后续研究。利用已建立的机器学习分类模型对中草药的化学成分进行作用靶点预测,并构建了化合物-靶点网络、靶点-靶点网络及靶点-疾病网络来解释中药方剂的多种有效成分的协同作用机制。此外,经过血脑屏障透过性分析及对预测靶点的验证,得到了7个具有代表性结构的多靶点的先导化合物。本文应用网络药理学研究了抗阿尔茨海默病的传统中草药有效成分的网络作用机制,为抗阿尔茨海默病的中药临床应用及多靶点药物设计提供了重要信息。

摘要：为了降低药物开发后期的失败率,指导侯筛化合物库的设计,药物化学家提出了许多基于化学信息学或计算化学的"成药性"理论指标,这些预测方法日益成熟,取得了广泛应用。本文综述了现有的化合物成药性预测方法的研究进展,包括类药性、类先导性、类天然产物、类代谢物以及生物相关性等,对比了各种成药性预测方法的特征,分析了各种预测方法的优点及其在组合化合物库的设计和优化中的作用,指出了这些方法的不足和局限性。最后,对化合物的成药性预测的应用前景和发展趋势进行了展望。

摘要：使用比较分子力场分析法(CoMFA)和比较分子相似性指数法(CoMSIA)对33个已报道的喹啉酮类BRD4抑制剂进行3D-QSAR模型建立,研究了其化学结构和生物活性间的关系,并用计算机辅助药物设计(computer-aided drug design,CADD)设计出7个喹啉酮类抑制剂。结果表明,建立的CoMFA(q^(2)=0.926,r^(2)=0.997,r^(2)_(pred)=0.744)和CoMSIA(q^(2)=0.939,r^(2)=0.991,r^(2)_(pred)=0.786)模型具有较好的预测能力,基于这些模型设计的7个新喹啉酮类BRD4抑制剂具有高活性,并对其进行ADMET性质评价和类药性分析。以上研究结果有助于改造和开发更加有效的喹啉酮类BRD4抑制剂。

摘要：目的:设计蛋白质酪氨酸酯酶1B(PTP1B)选择性抑制剂。方法:应用Schrodinger Suite2009研究4B3与PTP1B的结合模型,修饰结构,建立小分子库,分子对接,预测小分子ADME(吸收、分布、代谢、排泄)。结果:设计出一系列新的PTP1B选择性抑制剂。分子对接研究表明,新抑制剂与已报道的4B3相比有更好的结合能力,都可与第一活性位点和第二活性位点形成氢键,而原始配体只能与第一活性位点残基形成氢键。通过ADME预测得出设计出的化合物均符合类药5原则。结论:通过计算机辅助设计得到的小分子与PTP1B的结合能力理论上优于抑制剂4B3。