藥物化學
關注創建者：空白_4621 創建時間：2022-12-16
藥物化學的實例教程
藥物發現與化學信息學中的機器學習應用 發布時間：2026年 時長：3小時 大小：1.1GB 語言：英語 課程內容 學習將Python、人工智能與機器學習技術應用于化學信息學領域，掌握藥物發現的計算方法與實操項目開發，從零搭建相關預測模型并完成部署。 學習目標
來自阿斯利康（美國）和阿斯利康（瑞典）的創新藥物研究及早期開發部門（IMED）的Dean G. Brown和Jonas Bostrom對藥物化學研究中合成方法的過去和現在進行了比較分析。結果表明，現代藥物化學（2014年）和三十年前（1984年）所應用的化學反應相比，現在應用最頻繁的化學反應中沒有一個是在過去二十年間發現的，僅有兩個反應是在八十年代和九十年代發現的（Suzuki–Miyaura反應和Buchwald–Hartwig反應）。這表明新的合成反應對藥物發現有較大的影響，其中應用最頻繁的反應是酰胺鍵的形成、Suzuki–Miyaura偶聯反應和SNAr反應，這主要取決于試劑的購買、高化學選擇性等原因，這些應用的結果會導致某些類型的結構分子過多。
關于藥物研究中應用的化學反應，Roughley 和Jordan曾發表了一篇重要文獻（J. Med. Chem., 2011, 54, 3451-3479），詳細分析了2008年來自于三大制藥公司（GSK、Pfizer和AstraZeneca）的139篇論文中所應用的反應類型。排在前面的反應類型依次是：(a) 酰胺的形成（在所有反應中占16%）；(b) 雜環的形成（7.4%）；(c) N-芳基化（6.3%）；(d) CO2H去保護（5.4%）；(e) N-烷基化（5.3%）；(f) 還原胺化（5.3%）和(g)N-Boc脫保護（4.9%）。雖然Roughley-Jordan文章和本篇文章應用的方法不同，但這兩項研究中最常用反應的結果基本是一致的，而且過去三十年也大部分一致。
展開 原文鏈接：
NIR-light triggered dual-cascade targeting core-shell nanoparticles enhanced photodynamic therapy and immunotherapy
https://doi.org/10.1016/j.nantod.2021.101288
肖海華研究員簡介
中國科學院化學研究所肖海華研究員2012年畢業于中科院長春應化所，師從景遐斌研究員、陳學思院士。近10年來，肖海華研究員立足生物醫用高分子，聚焦金屬鉑類藥，系統性地從事鉑類藥物的高分子新劑型研發及它與藥物、基因等進行聯合的載藥體系的開發和臨床轉化研究。課題組圍繞三大策略，即跨越鉑類藥物進入細胞的生物屏障、解除細胞對鉑藥的解毒機制、抑制細胞對鉑形成的DNA加合物進行修復，來構建高分子鉑類藥物的納米遞送體系，以期降低鉑類藥物的毒副作用、增加療效、抑制臨床耐藥的發生。新冠疫情發生后，生物安全已經納入到我國國家體系，被提升到國家安全高度，成為了我國國家安全的十六個組成部分之一。肖海華研究員課題組提出了“生物安全材料”的概念，主張開發新材料、產品和相關裝備，來應對來自生物安全各分支領域如人類重大新發突發傳染病、動植物疫情、微生物耐藥、個人防護裝備、生物遺傳資源和人類遺傳資源的保藏、外來生物入侵等方面的生物安全威脅和危險因子。迄今為止，肖海華研究員已共發表>90篇學術論文，以第一/通訊作者在Nat. Biomed. Eng.、Prog. Polym. Sci.、Adv. Mater.、Adv. Funct. Mater.、J. Am. Chem. Soc.、Nano Lett.、ACS Nano、Mater. Today、 Coordin. Chem. Rev.
展開 譜尼生物醫藥致力于成為全球藥物開發一站式服務平臺，打造集藥物設計、藥物合成、工藝開發、藥物生產、藥物活性篩選、制劑研究、藥效學評價、藥代動力學評價、毒理學評價以及新藥注冊為一體的綜合技術平臺，為醫藥研發、生產及檢測提供專業優質的一站式服務。
研發團隊核心人員擁有超過20余年國際大型藥企、CRO研發經驗，在多手性中心藥物合成、多步驟藥物合成、緩控釋制劑技術、脂質體技術、納米制劑技術、低限度物質檢測、未知物質檢測、藥效藥代和臨床前毒理安全性評價等領域積累了豐富的研發和產業化經驗；并參與制定毒理學領域國家和行業標準以及CNAS和新藥評審及指導原則制定，已經服務上百家新藥研發機構，團隊接受NMPA/OECD/US FDA檢查和復查經驗，嚴格按照行業的Z高質量要求推進新藥研發與申報。研究領域涉及腫瘤、心腦血管、高血壓、感染、消化系統以及精神和神經系統等相關藥物。
上海總部實驗室具備CMA、CNAS資質，嚴格按照GMP、GLP要求執行，并得到了國內和國際藥品管理部門的認可。其生物醫藥實驗室設施面積達三萬八千平米，達到生物二級建設要求，建立了符合國際標準的安全評價研究體系。
展開 因此，這一進展將使這些偶聯反應更加實用，并可為各種合成和藥物化學研究人員所利用。
文獻鏈接：Base-free nickel-catalysed decarbonylative Suzuki–Miyaura coupling of acid fluorides, (Nature, 2018, DOI:10.1038/ s41586-018-0628-7)
藥物化學的最新內容
可應用于有機化學、生物化學、藥物化學等領域的結構分析和性能研究，也可用于液體、可溶性有機物、聚合物的分子結構和分子之間相互作用研究。
技術參數：
1. 變溫范圍: 常溫--+150℃
2.
藥物發現與化學信息學中的機器學習應用 發布時間：2026年 時長：3小時 大小：1.1GB 語言：英語 課程內容 學習將Python、人工智能與機器學習技術應用于化學信息學領域，掌握藥物發現的計算方法與實操項目開發，從零搭建相關預測模型并完成部署。 學習目標
關鍵詞：pKa,高精度熱力學計算，DFT，Gaussian，量子化學
胺類化合物在化學、藥物化學和生物化學中扮演著重要角色，它們不僅廣泛應用于藥物設計、催化反應、環境污染治理等領域，而且其酸堿性質直接影響分子的溶解度、生物利用度和代謝途徑。因此，準確預測胺類分子的 pKa 值，對于理解其酸堿行為和調控其化學反應性具有重要意義。
常用于藥物和化學分析。
3.離子交換色譜法（IEC）
固定相：具有離子交換功能基團（如陰離子交換或陽離子交換）的樹脂或色譜柱。
流動相：不同 pH 值的緩沖水溶液。
應用：根據離子或帶電分子與固定相的離子相互作用來分離離子或帶電分子。常見于蛋白質純化和帶電物質分析。
6.發黑與磷化
· 發黑：鋼材或鋼件在空氣-水蒸氣或化學藥物中加熱到適當溫度使其表面形成一層藍色或黑色氧化膜的工藝。也稱為發藍。
· 磷化： 工件（鋼鐵或鋁、鋅件）浸入磷化液（某些酸式磷酸鹽為主的溶液），在表面沉積形成一層不溶于水的結晶型磷酸鹽轉換膜的過程，稱之為磷化。
譜尼生物醫藥致力于成為全球藥物開發一站式服務平臺，打造集藥物設計、藥物合成、工藝開發、藥物生產、藥物活性篩選、制劑研究、藥效學評價、藥代動力學評價、毒理學評價以及新藥注冊為一體的綜合技術平臺，為醫藥研發、生產及檢測提供專業優質的一站式服務。
研發團隊核心人員擁有超過20余年國際大型藥企、CRO研發經驗，在多手性中心藥物合成、多步驟藥物合成、緩控釋制劑技術、脂質體技術、納米制劑技術
基于生物組學的藥物發現基礎介紹
藥物分子化學特征提取（分子指紋，描述符，分子圖）圖神經網絡預測藥物分子性質
基于胰腺癌差異表達基因進行藥物重定位
2 案例實踐教五：基于機器學習與圖神經網絡進行代謝物/藥物分子的性質預測
AI+Science
目標：人工智能領域前沿內容，讓大家了解最新的多組學與機器學習領域的研究動態，同時介紹幾種更為先進的機器學習算法。
2 基于機理的藥物設計
根據疾病的發病原因和藥物作用機理，針對其關鍵環節及限制性步驟，同時考慮藥物在體內的轉運和代謝設計化學藥物，稱為基于機理的藥物設計。它是先導化合物發現的又一捷徑。人的機體是由細胞組成，細胞的活性受外部信號控制，外部信號傳導到細胞內部，引起細胞內的一系列反應。信號傳導途徑一旦發生差異，就會導致平衡失調，這是疾病機理的基礎。
基于生物組學的藥物發現基礎介紹
藥物分子化學特征提取（分子指紋，描述符，分子圖）圖神經網絡預測藥物分子性質
基于胰腺癌差異表達基因進行藥物重定位
2 案例實踐教五：基于機器學習與圖神經網絡進行代謝物/藥物分子的性質預測
AI+Science
目標：人工智能領域前沿內容，讓大家了解最新的多組學與機器學習領域的研究動態，同時介紹幾種更為先進的機器學習算法
? 基于生物組學的藥物發現基礎介紹
? 藥物分子化學特征提取（分子指紋，描述符，分子圖）
? 圖神經網絡預測藥物分子性質
? 基于胰腺癌差異表達基因進行藥物重定位
案例實踐教學五：基于機器學習與圖神經網絡進行代謝物/藥物分子的性質預測
