目录

参考文献：

[1] RASUL H O, GHAFOUR D D, AZIZ B K, et al. Decoding Drug Discovery: Exploring A-to-Z In Silico Methods for Beginners[J]. Applied Biochemistry and Biotechnology, 2025, 197(3): 1453-1503.

1. 引言

1.1. 药物发现与开发过程

1.2. 药物开发的各个阶段

2. 人工智能在药物发现中的应用

2.1. 人工智能在药物发现中的概述

2.2. 机器学习技术

2.3. 深度学习及其应用

3. 药物发现与药物设计

3.1. 目标发现

• 3.1.1. 基因组学
• 3.1.2. 蛋白质组学
• 3.1.3. 转录组学
• 3.1.4. 代谢组学
• 3.1.5. 多组学整合方法
• 3.1.6. 蛋白质结构预测
  • 3.1.6.1. 已知三维蛋白质结构
  • 3.1.6.2. 未知蛋白质结构
    • 3.1.6.2.1. 同源建模
    • 3.1.6.2.2. Threading（折叠识别）
    • 3.1.6.2.3. AlphaFold 蛋白质结构预测

3.2. 先导化合物发现 3.3. 命中化合物识别

• 3.3.1. 药物再利用
• 3.3.2. 高通量筛选（HTS）
• 3.3.3. 虚拟筛选（VS）
  • 3.3.3.1. 基于配体的虚拟筛选（LBVS）
  • 3.3.3.2. 基于结构的虚拟筛选（SBVS）
• 3.3.4. 网络药理学

3.4. 命中到先导化合物

• 3.4.1. 定量构效关系（QSAR）
• 3.4.2. 从头药物设计
• 3.4.3. 基于片段的药物设计（FBDD）

3.5. 领先化合物优化

4. 分子对接

4.1. 分子对接的基本概念

4.2. 分子对接类型

• 4.2.1. 柔性对接
• 4.2.2. 半柔性对接
• 4.2.3. 刚性对接

4.3. 搜索方法与配体柔性

4.4. 打分函数

• 4.4.1. 基于力场的打分函数
• 4.4.2. 经验打分函数
• 4.4.3. 基于知识的打分函数
• 4.4.4. 共识打分函数

4.5. 量子力学/分子力学（QM/MM）

4.6. 密度泛函理论（DFT）在药物设计中的应用

5. 药物相似性

5.1. Lipinski 的“五规则”

5.2. 天然产物与药物相似性

6. ADMET 特性

6.1. 吸收

6.2. 分布

6.3. 代谢

6.4. 排泄

6.5. 毒性

7. 分子动力学模拟

7.1. 构建分子动力学模拟模型系统的步骤

7.2. 膜蛋白模拟过程

7.3. 分子动力学模拟的数据分析

8. 结合自由能计算

8.1. 结合自由能的重要性

8.2. 结合自由能计算方法

8.3. 结合自由能计算的应用