讲座主题：助力新药研发，为先导化合物发现提供一体化解决方案
讲座时间：2022年12月15日（周四），14:30
主 讲 人：生命科学产品技术部 hjc888黄金城讲师
报名方式：扫描下方二维码 或 点击链接
进入直播间，打开后记得收藏
讲座背景：
20世纪90年代中期至今，随着计算机技术及分子生物学、药物化学和计算化学等学科的发展，药物发现进入了理性设计阶段。药物化学家依据结构生物学、酶学、分子生物学及遗传学等生命科学的研究成果 , 针对这些基础研究中所揭示的与疾病过程相关的潜在药物作用靶标（酶、受体、离子通道及核酸等），参考药物作用靶点、内源性配体以及天然底物的化学结构特征 ,借助计算机和一些新理论、新方法进行药物分子设计 , 以发现选择性作用于靶点的新药。
这些药物往往具有活性强、作用专一 、副作用低的特点。合理药物设计（Rational Drug Design）是目前新药研究的主要方向。
图 | 药物研发（来源于腾讯网）
近年来计算机科学的迅速崛起，带动了深度学习、数据挖掘、人工智能等新兴技术的快速发展。但目前也存在一些难题：
Q1
难题一
实验产生或海量数据库中的有用信息如何整合分析？
Q2
难题二
如何缩短先导化合物发现的时间、提高先导化合物的成功率并降低新药研发的成本？
Q3
难题三
面对眼花缭乱的模拟软件以及形形色色的AI算法该如何选择？
Q4
难题四
药物研发整个流程中产生的多种数据以及实验材料的种类及用量等如何规范且高效安全的进行记录整理？
要从根源上解决这些问题，一个可以数据清洗及能够对内部、外源数据进行整合分析的方法对先导化合物发现前期的信息资源整合至关重要；一个可以助力先导化合物发现全流程的分子模拟和人工智能平台对提高药物发现成功率、缩短药物发现时间、降低药物发现成本意义深远；一个可以从项目立项到合成实验到注册申报全流程进行规范记录的平台可以使我们新药研发的每个细节都有迹可循。
本次讲座我们旨在通过“发现具有潜在结核分枝杆菌Prp蛋白抑制活性的分子”为例，向大家展示如何采用“明晰的数据驱动战略+完善的数据融合技术+可靠的AI自动化平台”加快先导化合物的发现。
讲座内容：
人工智能时代药物的研发模式
外源数据库有效数据的收集与清洗
· 内置科研数据库助力QSAR 模型建立
· 结构信息、生测信息、模拟信息等多源信息融合
· 可视化报表挖掘数据潜在价值
CADD与AIDD助力先导化合物的发现
· 基于BindingDB数据库进行靶向Prp蛋白的高通量虚拟筛选
· 利用分子动力学进行骨架稳定性及结合稳定性研究
· 收集BindingDB数据库具有结核分枝杆菌抑制活性的分子及其活性数据构建QSAR模型
· 利用QSAR模型预测苗头化合物活性
· 利用逆合成预测模型预测先导化合物合成路线
高效规划实验记录
· 具有结核分枝杆菌抑制活性分子的研发项目与微观实验数据的连接
· 基于模型和模拟筛选出来的先导化合物合成路线的绘制
· 先导化合物合成实验模板规范化管理
· 合成先导化合物所需试剂物料的管理
