Дизайн наркотиков

Дизайн лекарств , часто называемый рациональным дизайном лекарств или просто рациональный дизайн , является изобретательным процессом поиска новых лекарств, основанных на знаниях биологической цели . ^{[ 1 ]} Препарат , что, в свою очередь , чаще всего является органической малой молекулой , которая активирует или ингибирует функцию биомолекулы , такой как белок приводит к терапевтической пользе для пациента . В самом основном смысле дизайн лекарственного средства включает в себя конструкцию молекул, которые являются взаимодополняющими по форме и заряду с биомолекулярной мишенью, с которой они взаимодействуют и, следовательно, будут связываться с ней. Конструкция лекарств часто, но не обязательно опирается на методы компьютерного моделирования . ^{[ 2 ]} Этот тип моделирования иногда называют компьютерным дизайном лекарств . Наконец, дизайн лекарственного средства, который опирается на знание трехмерной структуры биомолекулярной мишени, известна как структурная конструкция лекарственного средства . ^{[ 2 ]} В дополнение к мелким молекулам биофармацевтические препараты , включая пептиды ^{[ 3 ]}^{[ 4 ]} И особенно терапевтические антитела являются все более важным классом лекарств и вычислительных методов для улучшения сродства, селективности и стабильности этих белковых терапии. ^{[ 5 ]}

Определение

Фраза «дизайн лекарственного средства» аналогична дизайну лигандов (то есть дизайн молекулы, которая будет тесно связываться с ее целью). ^{[ 6 ]} Хотя методы проектирования прогнозирования аффинности связывания достаточно успешны, существует много других свойств, таких как биодоступность , метаболический период полураспада и побочные эффекты , которые первые должны быть оптимизированы до того, как лиганд сможет стать безопасным и эффективным лекарством. Эти другие характеристики часто трудно предсказать с помощью рациональных методов дизайна.

Благодаря высокой частоте истощения, особенно на клинических этапах разработки лекарств , больше внимания уделяется в начале процесса разработки лекарств на выборе кандидатных лекарств, чьи физико -химические свойства, как предсказывается, приведет к меньшему количеству осложнений и, следовательно, с большей вероятностью приведет к одобренным , рыночный наркотик. ^{[ 7 ]} Кроме того, эксперименты in vitro , дополненные методами вычислений, все чаще используются в раннем открытии лекарств для выбора соединений с более благоприятным администрацией (поглощение, распределение, метаболизм и экскреция) и токсикологические профили. ^{[ 8 ]}

Лекарственные цели

Биомолекулярная мишень (чаще всего белок или нуклеиновая кислота ) является ключевой молекулой, участвующей в конкретном метаболическом или сигнальном пути, который связан с конкретным заболеванием или патологией или инфекционностью или выживанием микробного патогена . Потенциальные лекарственные цели не обязательно являются причиной заболевания, но по определению должны быть изменчивы заболевания. ^{[ 9 ]} В некоторых случаях мелкие молекулы будут разработаны для усиления или ингибирования целевой функции в конкретном пути модификации заболевания. Маленькие молекулы (например, рецепторные агонисты , антагонисты , обратные агонисты или модуляторы ; ферментные активаторы или ингибиторы ионных каналов ; или новички или блокаторы ) ^{[ 10 ]} Будет разработан, которые дополняют сайт связывания цели. ^{[ 11 ]} Маленькие молекулы (препараты) могут быть спроектированы таким образом, чтобы не влиять на любые другие важные «нецелевые» молекулы (часто называемые антитаржевыми веществами ), поскольку лекарственные взаимодействия с нецелевыми молекулами могут привести к нежелательным побочным эффектам . ^{[ 12 ]} Из -за сходства в сайтах связывания тесно связанные мишени, идентифицированные через гомологию последовательности, имеют самые высокие шансы на перекрестную реактивность и, следовательно, самый высокий потенциал побочного эффекта.

Чаще всего препараты представляют собой органические малые молекулы, продуцируемые с помощью химического синтеза, но лекарства на основе биополимеров (также известные как биофармацевтические препараты ), продуцируемые в результате биологических процессов, становятся все более распространенными. ^{[ 13 ]} Кроме того, мРНК могут иметь терапевтические применения. на основе молчания генов технологии ^{[ 14 ]} Например, наномедицины, основанные на мРНК, могут оптимизировать и ускорить процесс разработки лекарственного средства, обеспечивая временную и локализованную экспрессию иммуностимулирующих молекул. ^{[ 15 ]} МРНК in vitro, транскрибированная (IVT), позволяет доставке различным доступным типам клеток через крови или альтернативные пути. Использование мРНК IVT служит для передачи конкретной генетической информации в клетки человека, с основной целью предотвращения или изменения конкретного заболевания. ^{[ 16 ]}

Открытие наркотиков

Фенотипическое открытие лекарств

Фенотипическое открытие лекарств - это традиционный метод обнаружения лекарств, также известный как прямая фармакология или классическая фармакология. Он использует процесс фенотипического скрининга на коллекции синтетических малых молекул, натуральных продуктов или экстрактов в химических библиотеках для точности веществ, демонстрирующих полезные терапевтические эффекты. Этот метод должен сначала обнаружить функциональную активность лекарств in vivo или in vitro (таких как экстракт лекарств или натуральные продукты), а затем выполнять идентификацию мишеней. Фенотипическое открытие использует практическое и независимое от цели подход к созданию начальных потенциальных клиентов, направленных на обнаружение фармакологически активных соединений и терапевтических средств, которые работают с помощью новых лекарственных механизмов. ^{[ 17 ]} Этот метод позволяет исследовать фенотипы заболевания обнаружить потенциальные методы лечения условий с неизвестным, сложным или многофакторным происхождением, где понимание молекулярных мишеней недостаточно для эффективного вмешательства. ^{[ 18 ]}

Рациональное открытие лекарств

Рациональный дизайн лекарств (также называемый обратной фармакологией ) начинается с гипотезы о том, что модуляция конкретной биологической мишени может иметь терапевтическую ценность. Для того, чтобы биомолекула была выбранной в качестве лекарственной цели, требуются два важных фрагмента информации. Первое свидетельствует о том, что модуляция цели будет изменять заболевание. Эти знания могут исходить из исследований связи с заболеванием, которые показывают связь между мутациями в биологической мишени и определенными болезнями. ^{[ 19 ]} Во -вторых, цель способна связывать с небольшой молекулой и что ее активность может модулироваться малой молекулой. ^{[ 20 ]}

Как только подходящая цель была идентифицирована, цель обычно клонируется , производится и очищается . Очищенный белок затем используется для создания анализа скрининга . Кроме того, трехмерная структура цели может быть определена.

Поиск мелких молекул, которые связываются с мишенью, начинается с того, что скрининг библиотеки потенциальных лекарственных соединений. Это может быть сделано с помощью анализа скрининга («мокрый экран»). Кроме того, если структура цели доступна, может быть выполнен виртуальный экран для кандидатов. В идеале, кандидатские лекарственные соединения должны быть « похожими на наркотики », то есть они должны обладать свойствами, которые, как предсказывают, приводят к оральной биодоступности , адекватной химической и метаболической стабильности и минимальному токсическим эффектам. ^{[ 21 ]} Доступно несколько методов для оценки наркомании, таких как правление Липинского из пяти и целый ряд методов оценки, таких как липофильная эффективность . ^{[ 22 ]} Несколько методов прогнозирования метаболизма лекарств также были предложены в научной литературе. ^{[ 23 ]}

Из-за большого количества свойств лекарственного средства, которые должны быть одновременно оптимизированы во время процесса проектирования, многоцелевой оптимизации . иногда используются методы ^{[ 24 ]} Наконец, из -за ограничений в текущих методах прогнозирования активности дизайн лекарственного средства все еще очень зависит от случайности ^{[ 25 ]} и ограниченная рациональность . ^{[ 26 ]}

Компьютерный дизайн лекарств

Самая фундаментальная цель в дизайне лекарств - предсказать, будет ли данная молекула связываться с мишенью и, если да, насколько сильно. Молекулярная механика или молекулярная динамика чаще всего используется для оценки силы межмолекулярного взаимодействия между малой молекулой и ее биологической мишенью. Эти методы также используются для прогнозирования конформации малой молекулы и для моделирования конформационных изменений в мишени, которые могут возникнуть, когда малая молекула связывается с ней. ^{[ 3 ]}^{[ 4 ]} Полуэмпирические или методы квантовой химии ab initio теория функционала плотности часто используются для обеспечения оптимизированных параметров для расчетов молекулярной механики, а также обеспечить оценку электронных свойств (электростатический потенциал, поляризуемость и т. Д.) влияние связывания с аффинностью. ^{[ 27 ]}

Методы молекулярной механики также могут быть использованы для обеспечения полуколичественного прогнозирования аффинности связывания. основанная на знаниях, Кроме того, функция оценки, может использоваться для предоставления оценок сродства связывания. Эти методы используют линейную регрессию , машинное обучение , нейронные сети или другие статистические методы для получения уравнений аффинности предиктивного связывания путем поднятия экспериментального сродства к энергиям взаимодействия, полученного в вычислительном отношении между малой молекулой и целью. ^{[ 28 ]}^{[ 29 ]}

В идеале, вычислительный метод сможет предсказать аффинность до синтезированного соединения и, следовательно, в теории, необходимо синтезировать только одно соединение, экономя огромное время и стоимость. Реальность такова, что нынешние вычислительные методы несовершенны и, в лучшем случае, предоставляют только качественно точные оценки аффинности. На практике требуется несколько итераций дизайна, синтеза и тестирования до того, как будет обнаружен оптимальный препарат. Вычислительные методы ускорили обнаружение за счет сокращения количества требуемых итераций и часто предоставляли новые структуры. ^{[ 30 ]}^{[ 31 ]}

Компьютерная конструкция лекарств может использоваться на любом из следующих этапов обнаружения лекарств:

Идентификация HIT с использованием виртуального скрининга (конструкция на основе структуры или лигандов)
Hit to-Lead Оптимизация аффинности и селективности (дизайн на основе структуры, QSAR и т. Д.)
Оптимизация свинца других фармацевтических свойств при сохранении сродства

Для преодоления недостаточного прогнозирования аффинности связывания, рассчитанного по недавним функциям оценки, для анализа используются взаимодействие белковой лиганд и составная трехмерная структура. Для структурной конструкции лекарственного средства были разработаны несколько послепродажных анализов, посвященных взаимодействию белка-лиганд, были разработаны для улучшения обогащения и эффективного добычи потенциальных кандидатов:

Консенсус оценка ^{[ 32 ]}^{[ 33 ]}
- Выбор кандидатов, проголосовав многочисленных функций оценки
- Может потерять связь между структурной информацией и критерием оценки белков и критерием оценки
Кластерный анализ ^{[ 34 ]}^{[ 35 ]}
- Представляют и кластер кандидатов в соответствии с 3D-информации о белке-лиганд
- Требует значимого представления взаимодействия белка-лиганд.

Типы

Есть два основных вида дизайна лекарств. Первый называется дизайном лекарств на основе лиганда и второй структурной дизайн лекарств. ^{[ 2 ]}

На основе лиганда

Дизайн лекарственного средства на основе лигандов (или конструкция косвенного лекарственного средства ) опирается на знание других молекул, которые связываются с интересующей биологической мишенью. Эти другие молекулы могут использоваться для вывода модели фармакофора , которая определяет минимальные необходимые структурные характеристики, которые должна обладать молекула, чтобы связываться с мишенью. ^{[ 36 ]} Модель биологической цели может быть построена на основе знаний о том, что связано с ней, и эта модель, в свою очередь, может использоваться для разработки новых молекулярных объектов, которые взаимодействуют с целью. Альтернативно, количественная структура-активность (QSAR), в которой может быть получена корреляция между расчетными свойствами молекул и их экспериментально определенной биологической активностью . Эти отношения QSAR, в свою очередь, могут использоваться для прогнозирования активности новых аналогов. ^{[ 37 ]}

Структура на основе

Структурная конструкция лекарственного средства (или прямое дизайн лекарственного средства ) зависит от знания трехмерной структуры биологической мишени, полученной с помощью таких методов, как рентгеновская кристаллография или ЯМР-спектроскопия . ^{[ 38 ]} Если экспериментальная структура цели недоступна, может быть возможно создать гомологическую модель цели на основе экспериментальной структуры родственного белка. Используя структуру биологической цели, кандидаты препаратов, которые, как предсказывают, будут связываться с высокой аффинностью и селективностью к цели, могут быть разработаны с использованием интерактивной графики и интуиции лекарственного химика . В качестве альтернативы, различные автоматизированные вычислительные процедуры могут использоваться для предложения новых кандидатов на лекарства. ^{[ 39 ]}

Современные методы для структурной конструкции лекарств можно разделить примерно на три основные категории. ^{[ 40 ]} Первым методом является идентификация новых лигандов для данного рецептора путем поиска больших баз данных трехмерных структур малых молекул, чтобы найти тех, кто подходит для связывающего кармана рецептора с использованием быстрого приближенного док -программ. Этот метод известен как виртуальный скрининг .

Вторая категория - De novo Design of New Ligands. В этом методе молекулы лиганда строятся в ограничениях связывающего кармана путем сборки мелких кусочков. Эти части могут быть отдельными атомами или молекулярными фрагментами. Ключевым преимуществом такого метода является то, что могут быть предложены новые структуры, не содержащиеся ни в одной базе данных. ^{[ 41 ]}^{[ 42 ]}^{[ 43 ]} Третий метод - это оптимизация известных лигандов путем оценки предлагаемых аналогов в полости связывания. ^{[ 40 ]}

Идентификация сайта связывания

Идентификация сайта связывания является первым шагом в структурной конструкции. ^{[ 20 ]}^{[ 44 ]} Если структура цели или достаточно сходного гомолога определяется в присутствии связанного лиганда, то лиганд должен наблюдаться в структуре, в которой местоположение сайта связывания является тривиальным. Однако могут быть незанятые аллостерические сайты связывания , которые могут представлять интерес. Кроме того, может случиться так, что доступны только апопротеиновые (белок без лиганда) структуры, и надежная идентификация незанятых сайтов, которые могут связать лиганды с высокой аффинностью нетривиальны. Вкратце, идентификация сайта связывания обычно зависит от идентификации вогнутых поверхностей на белке, которые могут вместить молекулы размером с лекарственного средства, которые также обладают соответствующими «горячими точками» ( гидрофобные поверхности, сайты водородной связи и т. Д.), Которые управляют связыванием лиганда. ^{[ 20 ]}^{[ 44 ]}

Функции оценки

Структурная конструкция лекарств пытается использовать структуру белков в качестве основы для проектирования новых лигандов путем применения принципов молекулярного распознавания . Селективное связывание с высокой аффинностью с мишенью, как правило, желательно, поскольку это приводит к более эффективным лекарствам с меньшим количеством побочных эффектов. Таким образом, одним из наиболее важных принципов для проектирования или получения потенциальных новых лигандов является предсказание сродства связывания определенного лиганда с его мишенью (и известными антитаржевыми ) и использование прогнозируемой аффинности в качестве критерия для отбора. ^{[ 45 ]}

Одна ранняя общепринятая эмпирическая оценка для описания энергии связывания лигандов с рецепторами была разработана Böhm. ^{[ 46 ]}^{[ 47 ]} Эта эмпирическая функция оценки приняла форму:

$\Delta G_{\text{bind}}=\Delta G_{\text{0}}+\Delta G_{\text{hb}}\Sigma _{h-bonds}+\Delta G_{\text{ionic}}\Sigma _{ionic-int}+\Delta G_{\text{lipophilic}}\left\vert A\right\vert +\Delta G_{\text{rot}}{\mathit {NROT}}$

где:

ΔG ₀ - Эмпирически полученное смещение, которое частично соответствует общей потере трансляционной и вращательной энтропии лиганда при связывании.
ΔG _HB - вклад водородной связи
ΔG _ионный - вклад ионных взаимодействий
ΔG _Lip - вклад от липофильных взаимодействий, где | a _lipo | Площадь поверхности липофильного контакта между лигандом и рецептором
ΔG _гниль - штраф энтропии из -за замораживания вращения в лиганде связи при связывании

Более общее термодинамическое уравнение «мастер» заключается в следующем: ^{[ 48 ]}

${\begin{array}{lll}\Delta G_{\text{bind}}=-RT\ln K_{\text{d}}\\[1.3ex]K_{\text{d}}={\dfrac {[{\text{Ligand}}][{\text{Receptor}}]}{[{\text{Complex}}]}}\\[1.3ex]\Delta G_{\text{bind}}=\Delta G_{\text{desolvation}}+\Delta G_{\text{motion}}+\Delta G_{\text{configuration}}+\Delta G_{\text{interaction}}\end{array}}$

где:

Desolvation - энтальпический штраф за удаление лиганда из растворителя
Движение - энтропийный штраф за уменьшение степеней свободы, когда лиганд связывается с его рецептором
Конфигурация - Конформационная энергия деформации, необходимая для размещения лиганда в его «активную» конформацию
Взаимодействие - энтальпическое усиление для «разрешения» лиганда с его рецептором

Основная идея заключается в том, что общая свободная энергия связывания может быть разложена на независимые компоненты, которые, как известно, важны для процесса связывания. Каждый компонент отражает определенный вид изменения свободной энергии во время процесса связывания между лигандом и его целевым рецептором. Основное уравнение - это линейная комбинация этих компонентов. Согласно уравнению свободной энергии Гиббса, была построена связь между постоянной равновесия диссоциации, K _D и компонентами свободной энергии.

Различные вычислительные методы используются для оценки каждого из компонентов главного уравнения. Например, изменение площади полярной поверхности при связывании лиганда может быть использовано для оценки энергии десольвации. Количество вращающихся связей, замороженных при связывании лиганда, пропорционально термину движения. Конфигурационная или деформационная энергия может быть оценена с использованием расчетов молекулярной механики . Наконец, энергия взаимодействия может быть оценена с использованием таких методов, как изменение не полярной поверхности, статистически полученные потенциалы средней силы , количество образованных водородных связей и т. Д. На практике компоненты мастер -уравнения подходят для экспериментальных данных с использованием множественных линейная регрессия. Это можно сделать с помощью разнообразного обучающего набора, включая множество типов лигандов и рецепторов, для создания менее точной, но более общей «глобальной» модели или более ограниченного набора лигандов и рецепторов для создания более точной, но менее общей «локальной» модели. ^{[ 49 ]}

Примеры

Особый пример рационального дизайна лекарств включает использование трехмерной информации о биомолекулах, полученных из таких методов, как рентгеновская кристаллография и ЯМР-спектроскопия. Компьютерная конструкция лекарственного средства, в частности, становится гораздо более дабельной, когда существует структура с высоким разрешением целевого белка, связанного с мощным лигандом. Этот подход к обнаружению наркотиков иногда называют структурной конструкцией лекарств. Первым однозначным примером применения конструкции лекарств на основе структуры, приводящего к утвержденному препарату, является ингибитор карбо ангидразы дорзоламид , который был одобрен в 1995 году. ^{[ 50 ]}^{[ 51 ]}

Другим тематическим исследованием в рациональном дизайне лекарств является иматиниб , ингибитор тирозинкиназы , разработанный специально для слитого белка BCR -ABL , который характерен для филадельфийской хромосом -позитивной лейкозы ( хроническая миелогенная лейкоза и время от времени острого лимфоцитарного лейкоза ). Иматиниб существенно отличается от предыдущих препаратов от рака , так как большинство агентов химиотерапии просто нацелены на быстро делящие клетки, а не различают между раковыми клетками и другими тканями. ^{[ 52 ]}

Дополнительные примеры включают:

Многие из атипичных антипсихотиков
Циметидин , прототипичный антагонист H ₂ -рецептор , из которого были разработаны более поздние члены класса
Селективный COX-2 ингибитор NSAIDS
Enfuvirtide , пептидный ингибитор ввода ВИЧ
Небензодиазепины, такие как Zolpidem и Zopiclone
Ральтегравир , ВИЧ интегразы ингибитор ^{[ 53 ]}
SSRI (селективные ингибиторы обратного захвата серотонина), класс антидепрессантов
Занамивир , антивирусное препарат

Скрининг наркотиков

Типы скрининга лекарств включают фенотипический скрининг , высокопроизводительный скрининг и виртуальный скрининг . Фенотипический скрининг характеризуется процессом скрининговых лекарств с использованием моделей клеточных или животных заболеваний для идентификации соединений, которые изменяют фенотип и вызывают полезные эффекты, связанные с заболеванием. ^{[ 54 ]}^{[ 55 ]} Новые технологии при высокопроизводительном скрининге существенно повышают скорость обработки и уменьшают требуемый объем обнаружения. ^{[ 56 ]} Виртуальный скрининг завершается компьютером, что позволяет большое количество молекул может быть проверено с коротким циклом и низкой стоимостью. Виртуальный скрининг использует ряд вычислительных методов, которые расширяют возможности химиков для уменьшения обширных виртуальных библиотек в более управляемые размеры. ^{[ 57 ]}

Тематические исследования

Критика

Утверждалось, что очень жесткий и сфокусированный характер рационального дизайна лекарств подавляет случайность в обнаружении лекарств. ^{[ 58 ]}

Смотрите также

Ссылки

^ Madsen U, Krogsgaard-Larsen P, Liljefors T (2002). Учебник по дизайну наркотиков и обнаружения . Вашингтон, округ Колумбия: Тейлор и Фрэнсис. ISBN 978-0-415-28288-8 .
^ Jump up to: ^а ^{беременный} ^в Рейнольдс Ч., Мерц К.М., Ринг Д., ред. (2010). Дизайн лекарственного средства: подходы на основе структуры и лигандов (1 изд.). Кембридж, Великобритания: издательство Кембриджского университета. ISBN 978-0521887236 .
^ Jump up to: ^а ^{беременный} Fosgerau K, Hoffmann T (январь 2015 г.). «Пептидная терапия: текущее состояние и будущие направления» . Drug Discovery сегодня . 20 (1): 122–128. doi : 10.1016/j.drudis.2014.10.003 . PMID 25450771 .
^ Jump up to: ^а ^{беременный} Ciemny M, Kurcinski M, Kamel K, Kolinski A, Alam N, Schueler-Furman O, Kmiecik S (август 2018). «Белко-пептидная стыковка: возможности и проблемы» . Drug Discovery сегодня . 23 (8): 1530–1537. doi : 10.1016/j.drudis.2018.05.006 . PMID 29733895 .
^ Shirai H, Prades C, Vita R, Marcatile P, Popovic B, Xu J, et al. (Ноябрь 2014). «Антитела информатики для обнаружения наркотиков». Biochemica et Biophysica Acta (BBA) - белки и протеомика . 1844 (11): 2002–2015. Doi : 10.1016/j.bbapap.2014.07.006 . PMID 25110827 .
^ Tollenaere JP (апрель 1996 г.). «Роль дизайна лиганда на основе структуры и молекулярного моделирования при обнаружении лекарств». Аптечный мир и наука . 18 (2): 56–62. doi : 10.1007/bf00579706 . PMID 8739258 . S2CID 21550508 .
^ Waring MJ, Arrowsmith J, Leach AR, Leeson PD, Mandrell S, Owen RM, et al. (Июль 2015). «Анализ истощения кандидатов на наркотики от четырех основных фармацевтических компаний». Природные обзоры. Открытие наркотиков . 14 (7): 475–486. doi : 10.1038/nrd4609 . PMID 26091267 . S2CID 25292436 .
^ Yu H, Adedoyin A (сентябрь 2003 г.). «Adme-Tox в обнаружении лекарств: интеграция экспериментальных и вычислительных технологий». Drug Discovery сегодня . 8 (18): 852–861. doi : 10.1016/s1359-6446 (03) 02828-9 . PMID 12963322 .
^ Диксон С.Дж., Стоквелл Б.Р. (декабрь 2009 г.). «Выявление лекарственных средств, модифицирующих болезнь генных продуктов» . Современное мнение о химической биологии . 13 (5–6): 549–555. doi : 10.1016/j.cbpa.2009.08.003 . PMC 2787993 . PMID 19740696 .
^ Imming P, Sinning C, Meyer A (октябрь 2006 г.). «Препараты, их цели и природа и количество целей наркотиков». Природные обзоры. Открытие наркотиков . 5 (10): 821–834. doi : 10.1038/nrd2132 . PMID 17016423 . S2CID 8872470 .
^ Андерсон А.С. (сентябрь 2003 г.). «Процесс конструкции лекарств на основе структуры» . Химия и биология . 10 (9): 787–797. doi : 10.1016/j.chembiol.2003.09.002 . PMID 14522049 .
^ Recanatini M, Bottegoni G, Cavalli A (декабрь 2004 г.). «В Silico Antiarget Screening». Drug Discovery сегодня. Технологии . 1 (3): 209–215. doi : 10.1016/j.ddtec.2004.10.004 . PMID 24981487 .
^ Wu-Pong S, Rogesakakcul Y (2008). Vioperative Drugs Design and Development (2 -е изд.). Totuwa, NJ Tother Press: Humanpar Press. ТАК 978-1-59745-532-9 .
^ Scomparin A, Polyak D, Krivitsky A, Satchi-Fainaro R (ноябрь 2015). «Достижение успешной доставки олигонуклеотидов-от физико-химической характеристики к оценке in vivo». Биотехнологические достижения . 33 (6 Pt 3): 1294–1309. doi : 10.1016/j.biotechadv.2015.04.008 . PMID 25916823 .
^ Youssef M, Hitti C, Puppin Chaves Fulber J, Kamen AA (октябрь 2023 г.). «Включение мРНК терапии: текущий ландшафт и проблемы в производстве» . Биомолекулы . 13 (10): 1497. doi : 10.3390/biom13101497 . PMC 10604719 . PMID 37892179 .
^ Сахин У, Карико К., Тюреци О (октябрь 2014). «Терапия на основе мРНК-развитие нового класса лекарств» . Природные обзоры. Открытие наркотиков . 13 (10): 759–780. doi : 10.1038/nrd4278 . PMID 25233993 . S2CID 27454546 .
^ Суинни, округ Колумбия, Ли Дж. (2020). «Недавние достижения в области фенотипического открытия лекарств» . F1000Research . 9 : F1000 Faculty Rev - 944. doi : 10.12688/f1000research.25813.1 . PMC 7431967 . PMID 32850117 .
^ Моффат Дж.Г., Винсент Ф., Ли Дж., Эдер Дж., Прунотто М (август 2017 г.). «Возможности и проблемы в фенотипическом открытии лекарств: отраслевая перспектива» . Природные обзоры. Открытие наркотиков . 16 (8): 531–543. doi : 10.1038/nrd.2017.111 . PMID 28685762 . S2CID 6180139 .
^ Ganellin CR, Jefferis R, Roberts SM (2013). «Процесс обнаружения лекарств с небольшими молекулами - от выбора цели до выбора кандидатов» . Введение в биологические и малые молекулярные исследования лекарств и разработка: теория и тематические исследования . Elsevier. ISBN 9780123971760 .
^ Jump up to: ^а ^{беременный} ^в Юань Ю., Пей Дж, Лай Л (декабрь 2013 г.). «Обнаружение сайтов связывания и прогнозирование лекарственных средств белковых мишеней для структурной конструкции лекарственного средства». Текущий фармацевтический дизайн . 19 (12): 2326–2333. doi : 10.2174/1381612811319120019 . PMID 23082974 .
^ Риштон Г.М. (январь 2003 г.). «Неулительство и лидерство в биохимическом скрининге». Drug Discovery сегодня . 8 (2): 86–96. doi : 10.1016/s1359644602025722 . PMID 12565011 .
^ Хопкинс А.Л. (2011). «Глава 25: Фармакологическое пространство» . В Wermuth CG (ред.). Практика лекарственной химии (3 изд.). Академическая пресса. С. 521–527. ISBN 978-0-12-374194-3 .
^ Kirchmair J (2014). Прогнозирование метаболизма наркотиков . Методы и принципы Уайли в лекарственной химии. Тол. 63. Wiley-Vch. ISBN 978-3-527-67301-8 .
^ Nicolaou CA, Brown N (сентябрь 2013 г.). «Многоцелевые методы оптимизации в дизайне лекарств». Drug Discovery сегодня. Технологии . 10 (3): E427 - E435. doi : 10.1016/j.ddtec.2013.02.001 . PMID 24050140 .
^ Бан Т.А. (2006). «Роль случайности в обнаружении наркотиков» . Диалоги в клинической нейробиологии . 8 (3): 335–344. doi : 10.31887/dcns.2006.8.3/tban . PMC 3181823 . PMID 17117615 .
^ Эфирадж С.К., Левинал Д. (сентябрь 2004 г.). «Ограниченная рациональность и поиск организационной архитектуры: эволюционная перспектива на дизайн организаций и их развитие» . Административная наука ежеквартально . 49 (3). Sage Publications, Inc. от имени Высшей школы управления Джонсона, Корнелльский университет: 404–437. doi : 10.2307/4131441 . JSTOR 4131441 . S2CID 142910916 . SSRN 604123 .
^ Льюис Р.А. (2011). «Глава 4: Разработка программ молекулярного моделирования: использование и ограничения физических моделей». В Gramatica P, Livingstone DJ, Davis Am (Eds.). Стратегии дизайна лекарств: количественные подходы . Открытие лекарств RSC. Королевское общество химии. С. 88–107. doi : 10.1039/9781849733410-00088 . ISBN 978-1849731669 .
^ Раджамани Р., хороший кондиционер (май 2007 г.). «Рейтинг ставит в структуре обнаружения и оптимизации на основе структуры: текущие тенденции в разработке функций оценки». Текущее мнение о обнаружении и развитии лекарств . 10 (3): 308–315. PMID 17554857 .
^ de Azevedo WF, Dias R (декабрь 2008 г.). «Вычислительные методы для расчета лиганд-связывающей аффинности». Современные цели наркотиков . 9 (12): 1031–1039. doi : 10.2174/138945008786949405 . PMID 19128212 .
^ Singh J, Chuaqui CE, Boriack-Sjodin PA, Lee WC, Pontz T, Corbley MJ, et al. (Декабрь 2003 г.). «Успешный виртуальный скрининг на основе формы: открытие мощного ингибитора рецепторной киназы TGFBeta типа (TBETARI)». Биоорганические и лекарственные химические письма . 13 (24): 4355–4359. doi : 10.1016/j.bmcl.2003.09.028 . PMID 14643325 .
^ Беккер О.М., Дханоа Д.С., Маранц Ю., Чен Д., Шачам С., Черуку С. и др. (Июнь 2006 г.). «Интегрированное в 3D-модели, управляемое моделью, нового, мощного и селективного агониста амидосульфонамида 5-HT1A (PRX-00023) для лечения тревоги и депрессии». Журнал лекарственной химии . 49 (11): 3116–3135. doi : 10.1021/jm0508641 . PMID 16722631 .
^ Liang S, Meroueh So, Wang G, Qiu C, Zhou Y (май 2009 г.). «Консенсус-оценка по обогащению почти коренных структур из приманки стыковки белков» . Белки . 75 (2): 397–403. doi : 10.1002/prot.222252 . PMC 2656599 . PMID 18831053 .
^ Ода А., Цучида К., Такакура Т., Ямаотсу Н., Хироно С. (2006). «Сравнение стратегий оценки консенсуса для оценки вычислительных моделей комплексов белка-лиганд». Журнал химической информации и моделирования . 46 (1): 380–391. doi : 10.1021/ci050283k . PMID 16426072 .
^ Дэн З., Чуаки С., Сингх Дж (январь 2004 г.). «Отпечаток пальца структурного взаимодействия (SIFT): новый метод для анализа трехмерных взаимодействий связывания белка с лиганд». Журнал лекарственной химии . 47 (2): 337–344. doi : 10.1021/jm030331x . PMID 14711306 .
^ Амари С., Айзава М., Чжан Дж., Фукузава К., Мочизуки Ю., Ивасава Ю. и др. (2006). «Вишкана: визуализированный кластерный анализ взаимодействия белка-лиганд на основе метода молекулярного орбитального фрагмента AB initio для скрининга виртуального лиганда». Журнал химической информации и моделирования . 46 (1): 221–230. doi : 10.1021/ci050262q . PMID 16426058 .
^ Guner of (2000). Фармакофор восприятие, разработка и использование в дизайне лекарств . La Jolla, Калифорния: Международная университетская линия. ISBN 978-0-9636817-6-8 .
^ Тропша А (2010). «QSAR в Discovery» . В Рейнольдс Ч., Мерц Км, Ринг Д. (ред.). Дизайн лекарственного средства: подходы на основе структуры и лигандов (1-е изд.). Кембридж, Великобритания: издательство Кембриджского университета. С. 151–164. ISBN 978-0521887236 .
^ Лия Ар, их J (2007). Структурное обнаружение лекарств . Берлин: Спрингер. ISBN 978-1-4020-4406-9 .
^ Mauser H, Guba W (май 2008 г.). «Недавние события в De novo Design and Hopping». Текущее мнение о обнаружении и развитии лекарств . 11 (3): 365–374. PMID 18428090 .
^ Jump up to: ^а ^{беременный} Klebe G (2000). «Недавние разработки в области структурного дизайна лекарств». Журнал молекулярной медицины . 78 (5): 269–281. doi : 10.1007/s001090000084 . PMID 10954199 . S2CID 21314020 .
^ Wang R, Gao Y, Lai L (2000). «Ligbuilder: многоцелевая программа для структурного дизайна лекарств». Журнал молекулярного моделирования . 6 (7–8): 498–516. doi : 10.1007/s0089400060498 . S2CID 59482623 .
^ Schneider G, Fechner U (август 2005 г.). «Компьютерный дизайн de novo молекул, подобные лекарствам». Природные обзоры. Открытие наркотиков . 4 (8): 649–663. doi : 10.1038/nrd1799 . PMID 16056391 . S2CID 2549851 .
^ Jorgensen WL (март 2004 г.). «Многочисленные роли вычислений в обнаружении лекарств». Наука . 303 (5665): 1813–1818. Bibcode : 2004sci ... 303.1813J . doi : 10.1126/science.1096361 . PMID 15031495 . S2CID 1307935 .
^ Jump up to: ^а ^{беременный} Лейс С., Шнайдер С., Захария М. (2010). «При прогнозировании силико сайтов связывания на белках». Текущая лекарственная химия . 17 (15): 1550–1562. doi : 10.2174/092986710790979944 . PMID 20166931 .
^ Уоррен Г.Л., Уоррен С.Д. (2011). «Глава 16: Оценка взаимодействий с лекарственными средствами». В Gramatica P, Livingstone DJ, Davis Am (Eds.). Стратегии дизайна лекарств: количественные подходы . Открытие лекарств RSC. Королевское общество химии. С. 440–457. doi : 10.1039/9781849733410-00440 . ISBN 978-1849731669 .
^ Böhm HJ (июнь 1994 г.). «Разработка простой эмпирической оценки функции оценки для оценки постоянной связывания для белкового лигандного комплекса известной трехмерной структуры». Журнал компьютерного молекулярного дизайна . 8 (3): 243–256. Bibcode : 1994jcamd ... 8..243b . doi : 10.1007/bf00126743 . PMID 7964925 . S2CID 2491616 .
^ Лю Дж, Ван Р (март 2015 г.). «Классификация текущих функций оценки». Журнал химической информации и моделирования . 55 (3): 475–482. doi : 10.1021/ci500731a . PMID 25647463 .
^ Мурко Ма (декабрь 1995 г.). «Вычислительные методы для прогнозирования свободной энергии связывания в комплексах-рецепторных рецепторных комплексах». Журнал лекарственной химии . 38 (26): 4953–4967. doi : 10.1021/jm00026a001 . PMID 8544170 .
^ Gramatica P (2011). «Глава 17: Моделирование химических веществ в окружающей среде» . В Gramatica P, Livingstone DJ, Davis Am (Eds.). Стратегии дизайна лекарств: количественные подходы . Открытие лекарств RSC. Королевское общество химии. п. 466. doi : 10.1039/9781849733410-00458 . ISBN 978-1849731669 .
^ Грир Дж., Эриксон Дж.В., Болдуин Дж.Дж., Варни Мэриленд (апрель 1994 г.). «Применение трехмерных структур белковых целевых молекул в структурном дизайне лекарственного средства». Журнал лекарственной химии . 37 (8): 1035–1054. doi : 10.1021/jm00034a001 . PMID 8164249 .
^ Тиммерман Х., Губернатор К., Бум Х.Дж., Маннхолд Р., Кубини Х. (1998). Структурная конструкция лиганда (методы и принципы в области лекарственной химии) . Вейнхайм: Wiley-VCH. ISBN 978-3-527-29343-8 .
^ Capdeville R, Buchdunger E, Zimmermann J, Matter A (июль 2002 г.). «Glivec (STI571, иматиниб), рационально развитый, целенаправленный противоракованный препарат». Природные обзоры. Открытие наркотиков . 1 (7): 493–502. doi : 10.1038/nrd839 . PMID 12120256 . S2CID 2728341 .
^ «Роль Autodock в разработке первого клинически одобренного ингибитором интеграции ВИЧ» . Пресс-релиз . Научно -исследовательский институт Скриппса. 2007-12-17.
^ Приор М., Чирута С., Куррайс А., Голдберг Дж., Рэмси Дж., Даргуш Р. и др. (Июль 2014). «Вернуться в будущее с фенотипическим скринингом» . ACS Химическая нейробиология . 5 (7): 503–513. doi : 10.1021/cn500051h . PMC 4102969 . PMID 24902068 .
^ Kotz J (апрель 2012 г.). «Фенотипический скрининг, возьмите два» . Научный бизнес обмен . 5 (15): 380. doi : 10.1038/scibx.2012.380 . ISSN 1945-3477 . S2CID 72519717 .
^ Герцберг Р.П., Папа А.Дж. (август 2000 г.). «Высокопроизводительный скрининг: новая технология для 21-го века». Современное мнение о химической биологии . 4 (4): 445–451. doi : 10.1016/s1367-5931 (00) 00110-1 . PMID 10959774 .
^ Уолтерс В.П., Шталь М.Т., Мурко Ма (апрель 1998 г.). «Виртуальный показ - обзор». Drug Discovery сегодня . 3 (4): 160–178. doi : 10.1016/s1359-6446 (97) 01163-x .
^ Klein DF (март 2008 г.). «Потеря случайности в психофармакологии». Джама . 299 (9): 1063–1065. doi : 10.1001/Jama.299.9.1063 . PMID 18319418 .

Внешние ссылки

Drug+Design библиотеки США в Национальной библиотеке медицинской (Mesh)
[Design Design Org] ( https://www.drugdesign.org/chapters/drug-design/ )

[isbn0-415-...-1] Madsen U, Krogsgaard-Larsen P, Liljefors T (2002). Учебник по дизайну наркотиков и обнаружения . Вашингтон, округ Колумбия: Тейлор и Фрэнсис. ISBN 978-0-415-28288-8 .

[Reynolds_2010-2] Jump up to: ^а ^{беременный} ^в Рейнольдс Ч., Мерц К.М., Ринг Д., ред. (2010). Дизайн лекарственного средства: подходы на основе структуры и лигандов (1 изд.). Кембридж, Великобритания: издательство Кембриджского университета. ISBN 978-0521887236 .

[sciencedirect.com-3] Jump up to: ^а ^{беременный} Fosgerau K, Hoffmann T (январь 2015 г.). «Пептидная терапия: текущее состояние и будущие направления» . Drug Discovery сегодня . 20 (1): 122–128. doi : 10.1016/j.drudis.2014.10.003 . PMID 25450771 .

[ReferenceA-4] Jump up to: ^а ^{беременный} Ciemny M, Kurcinski M, Kamel K, Kolinski A, Alam N, Schueler-Furman O, Kmiecik S (август 2018). «Белко-пептидная стыковка: возможности и проблемы» . Drug Discovery сегодня . 23 (8): 1530–1537. doi : 10.1016/j.drudis.2018.05.006 . PMID 29733895 .

[5] Shirai H, Prades C, Vita R, Marcatile P, Popovic B, Xu J, et al. (Ноябрь 2014). «Антитела информатики для обнаружения наркотиков». Biochemica et Biophysica Acta (BBA) - белки и протеомика . 1844 (11): 2002–2015. Doi : 10.1016/j.bbapap.2014.07.006 . PMID 25110827 .

[pmid8739258-6] Tollenaere JP (апрель 1996 г.). «Роль дизайна лиганда на основе структуры и молекулярного моделирования при обнаружении лекарств». Аптечный мир и наука . 18 (2): 56–62. doi : 10.1007/bf00579706 . PMID 8739258 . S2CID 21550508 .

[pmid26091267-7] Waring MJ, Arrowsmith J, Leach AR, Leeson PD, Mandrell S, Owen RM, et al. (Июль 2015). «Анализ истощения кандидатов на наркотики от четырех основных фармацевтических компаний». Природные обзоры. Открытие наркотиков . 14 (7): 475–486. doi : 10.1038/nrd4609 . PMID 26091267 . S2CID 25292436 .

[pmid12963322-8] Yu H, Adedoyin A (сентябрь 2003 г.). «Adme-Tox в обнаружении лекарств: интеграция экспериментальных и вычислительных технологий». Drug Discovery сегодня . 8 (18): 852–861. doi : 10.1016/s1359-6446 (03) 02828-9 . PMID 12963322 .

[pmid19740696-9] Диксон С.Дж., Стоквелл Б.Р. (декабрь 2009 г.). «Выявление лекарственных средств, модифицирующих болезнь генных продуктов» . Современное мнение о химической биологии . 13 (5–6): 549–555. doi : 10.1016/j.cbpa.2009.08.003 . PMC 2787993 . PMID 19740696 .

[10] Imming P, Sinning C, Meyer A (октябрь 2006 г.). «Препараты, их цели и природа и количество целей наркотиков». Природные обзоры. Открытие наркотиков . 5 (10): 821–834. doi : 10.1038/nrd2132 . PMID 17016423 . S2CID 8872470 .

[11] Андерсон А.С. (сентябрь 2003 г.). «Процесс конструкции лекарств на основе структуры» . Химия и биология . 10 (9): 787–797. doi : 10.1016/j.chembiol.2003.09.002 . PMID 14522049 .

[12] Recanatini M, Bottegoni G, Cavalli A (декабрь 2004 г.). «В Silico Antiarget Screening». Drug Discovery сегодня. Технологии . 1 (3): 209–215. doi : 10.1016/j.ddtec.2004.10.004 . PMID 24981487 .

[13] Wu-Pong S, Rogesakakcul Y (2008). Vioperative Drugs Design and Development (2 -е изд.). Totuwa, NJ Tother Press: Humanpar Press. ТАК 978-1-59745-532-9 .

[14] Scomparin A, Polyak D, Krivitsky A, Satchi-Fainaro R (ноябрь 2015). «Достижение успешной доставки олигонуклеотидов-от физико-химической характеристики к оценке in vivo». Биотехнологические достижения . 33 (6 Pt 3): 1294–1309. doi : 10.1016/j.biotechadv.2015.04.008 . PMID 25916823 .

[15] Youssef M, Hitti C, Puppin Chaves Fulber J, Kamen AA (октябрь 2023 г.). «Включение мРНК терапии: текущий ландшафт и проблемы в производстве» . Биомолекулы . 13 (10): 1497. doi : 10.3390/biom13101497 . PMC 10604719 . PMID 37892179 .

[16] Сахин У, Карико К., Тюреци О (октябрь 2014). «Терапия на основе мРНК-развитие нового класса лекарств» . Природные обзоры. Открытие наркотиков . 13 (10): 759–780. doi : 10.1038/nrd4278 . PMID 25233993 . S2CID 27454546 .

[17] Суинни, округ Колумбия, Ли Дж. (2020). «Недавние достижения в области фенотипического открытия лекарств» . F1000Research . 9 : F1000 Faculty Rev - 944. doi : 10.12688/f1000research.25813.1 . PMC 7431967 . PMID 32850117 .

[18] Моффат Дж.Г., Винсент Ф., Ли Дж., Эдер Дж., Прунотто М (август 2017 г.). «Возможности и проблемы в фенотипическом открытии лекарств: отраслевая перспектива» . Природные обзоры. Открытие наркотиков . 16 (8): 531–543. doi : 10.1038/nrd.2017.111 . PMID 28685762 . S2CID 6180139 .

[19] Ganellin CR, Jefferis R, Roberts SM (2013). «Процесс обнаружения лекарств с небольшими молекулами - от выбора цели до выбора кандидатов» . Введение в биологические и малые молекулярные исследования лекарств и разработка: теория и тематические исследования . Elsevier. ISBN 9780123971760 .

[Yuan_2013-20] Jump up to: ^а ^{беременный} ^в Юань Ю., Пей Дж, Лай Л (декабрь 2013 г.). «Обнаружение сайтов связывания и прогнозирование лекарственных средств белковых мишеней для структурной конструкции лекарственного средства». Текущий фармацевтический дизайн . 19 (12): 2326–2333. doi : 10.2174/1381612811319120019 . PMID 23082974 .

[21] Риштон Г.М. (январь 2003 г.). «Неулительство и лидерство в биохимическом скрининге». Drug Discovery сегодня . 8 (2): 86–96. doi : 10.1016/s1359644602025722 . PMID 12565011 .

[22] Хопкинс А.Л. (2011). «Глава 25: Фармакологическое пространство» . В Wermuth CG (ред.). Практика лекарственной химии (3 изд.). Академическая пресса. С. 521–527. ISBN 978-0-12-374194-3 .

[23] Kirchmair J (2014). Прогнозирование метаболизма наркотиков . Методы и принципы Уайли в лекарственной химии. Тол. 63. Wiley-Vch. ISBN 978-3-527-67301-8 .

[24] Nicolaou CA, Brown N (сентябрь 2013 г.). «Многоцелевые методы оптимизации в дизайне лекарств». Drug Discovery сегодня. Технологии . 10 (3): E427 - E435. doi : 10.1016/j.ddtec.2013.02.001 . PMID 24050140 .

[25] Бан Т.А. (2006). «Роль случайности в обнаружении наркотиков» . Диалоги в клинической нейробиологии . 8 (3): 335–344. doi : 10.31887/dcns.2006.8.3/tban . PMC 3181823 . PMID 17117615 .

[26] Эфирадж С.К., Левинал Д. (сентябрь 2004 г.). «Ограниченная рациональность и поиск организационной архитектуры: эволюционная перспектива на дизайн организаций и их развитие» . Административная наука ежеквартально . 49 (3). Sage Publications, Inc. от имени Высшей школы управления Джонсона, Корнелльский университет: 404–437. doi : 10.2307/4131441 . JSTOR 4131441 . S2CID 142910916 . SSRN 604123 .

[Lewis_2011-27] Льюис Р.А. (2011). «Глава 4: Разработка программ молекулярного моделирования: использование и ограничения физических моделей». В Gramatica P, Livingstone DJ, Davis Am (Eds.). Стратегии дизайна лекарств: количественные подходы . Открытие лекарств RSC. Королевское общество химии. С. 88–107. doi : 10.1039/9781849733410-00088 . ISBN 978-1849731669 .

[pmid17554857-28] Раджамани Р., хороший кондиционер (май 2007 г.). «Рейтинг ставит в структуре обнаружения и оптимизации на основе структуры: текущие тенденции в разработке функций оценки». Текущее мнение о обнаружении и развитии лекарств . 10 (3): 308–315. PMID 17554857 .

[pmid19128212-29] Azevedo WF, Dias R (декабрь 2008 г.). «Вычислительные методы для расчета лиганд-связывающей аффинности». Современные цели наркотиков . 9 (12): 1031–1039. doi : 10.2174/138945008786949405 . PMID 19128212 .

[pmid14643325-30] Singh J, Chuaqui CE, Boriack-Sjodin PA, Lee WC, Pontz T, Corbley MJ, et al. (Декабрь 2003 г.). «Успешный виртуальный скрининг на основе формы: открытие мощного ингибитора рецепторной киназы TGFBeta типа (TBETARI)». Биоорганические и лекарственные химические письма . 13 (24): 4355–4359. doi : 10.1016/j.bmcl.2003.09.028 . PMID 14643325 .

[pmid16722631-31] Беккер О.М., Дханоа Д.С., Маранц Ю., Чен Д., Шачам С., Черуку С. и др. (Июнь 2006 г.). «Интегрированное в 3D-модели, управляемое моделью, нового, мощного и селективного агониста амидосульфонамида 5-HT1A (PRX-00023) для лечения тревоги и депрессии». Журнал лекарственной химии . 49 (11): 3116–3135. doi : 10.1021/jm0508641 . PMID 16722631 .

[pmid18831053-32] Liang S, Meroueh So, Wang G, Qiu C, Zhou Y (май 2009 г.). «Консенсус-оценка по обогащению почти коренных структур из приманки стыковки белков» . Белки . 75 (2): 397–403. doi : 10.1002/prot.222252 . PMC 2656599 . PMID 18831053 .

[pmid16426072-33] Ода А., Цучида К., Такакура Т., Ямаотсу Н., Хироно С. (2006). «Сравнение стратегий оценки консенсуса для оценки вычислительных моделей комплексов белка-лиганд». Журнал химической информации и моделирования . 46 (1): 380–391. doi : 10.1021/ci050283k . PMID 16426072 .

[pmid14711306-34] Дэн З., Чуаки С., Сингх Дж (январь 2004 г.). «Отпечаток пальца структурного взаимодействия (SIFT): новый метод для анализа трехмерных взаимодействий связывания белка с лиганд». Журнал лекарственной химии . 47 (2): 337–344. doi : 10.1021/jm030331x . PMID 14711306 .

[pmid16426058-35] Амари С., Айзава М., Чжан Дж., Фукузава К., Мочизуки Ю., Ивасава Ю. и др. (2006). «Вишкана: визуализированный кластерный анализ взаимодействия белка-лиганд на основе метода молекулярного орбитального фрагмента AB initio для скрининга виртуального лиганда». Журнал химической информации и моделирования . 46 (1): 221–230. doi : 10.1021/ci050262q . PMID 16426058 .

[isbn0-9636817-6-1-36] Guner of (2000). Фармакофор восприятие, разработка и использование в дизайне лекарств . La Jolla, Калифорния: Международная университетская линия. ISBN 978-0-9636817-6-8 .

[Tropsha_2010-37] Тропша А (2010). «QSAR в Discovery» . В Рейнольдс Ч., Мерц Км, Ринг Д. (ред.). Дизайн лекарственного средства: подходы на основе структуры и лигандов (1-е изд.). Кембридж, Великобритания: издательство Кембриджского университета. С. 151–164. ISBN 978-0521887236 .

[isbn1-4020-4406-2-38] Лия Ар, их J (2007). Структурное обнаружение лекарств . Берлин: Спрингер. ISBN 978-1-4020-4406-9 .

[39] Mauser H, Guba W (май 2008 г.). «Недавние события в De novo Design and Hopping». Текущее мнение о обнаружении и развитии лекарств . 11 (3): 365–374. PMID 18428090 .

[Klee_2000-40] Jump up to: ^а ^{беременный} Klebe G (2000). «Недавние разработки в области структурного дизайна лекарств». Журнал молекулярной медицины . 78 (5): 269–281. doi : 10.1007/s001090000084 . PMID 10954199 . S2CID 21314020 .

[ligbuilder-41] Wang R, Gao Y, Lai L (2000). «Ligbuilder: многоцелевая программа для структурного дизайна лекарств». Журнал молекулярного моделирования . 6 (7–8): 498–516. doi : 10.1007/s0089400060498 . S2CID 59482623 .

[CBDDreview-42] Schneider G, Fechner U (август 2005 г.). «Компьютерный дизайн de novo молекул, подобные лекарствам». Природные обзоры. Открытие наркотиков . 4 (8): 649–663. doi : 10.1038/nrd1799 . PMID 16056391 . S2CID 2549851 .

[pmid15031495-43] Jorgensen WL (март 2004 г.). «Многочисленные роли вычислений в обнаружении лекарств». Наука . 303 (5665): 1813–1818. Bibcode : 2004sci ... 303.1813J . doi : 10.1126/science.1096361 . PMID 15031495 . S2CID 1307935 .

[Leis_2010-44] Jump up to: ^а ^{беременный} Лейс С., Шнайдер С., Захария М. (2010). «При прогнозировании силико сайтов связывания на белках». Текущая лекарственная химия . 17 (15): 1550–1562. doi : 10.2174/092986710790979944 . PMID 20166931 .

[Warren_2011-45] Уоррен Г.Л., Уоррен С.Д. (2011). «Глава 16: Оценка взаимодействий с лекарственными средствами». В Gramatica P, Livingstone DJ, Davis Am (Eds.). Стратегии дизайна лекарств: количественные подходы . Открытие лекарств RSC. Королевское общество химии. С. 440–457. doi : 10.1039/9781849733410-00440 . ISBN 978-1849731669 .

[pmid7964925-46] Böhm HJ (июнь 1994 г.). «Разработка простой эмпирической оценки функции оценки для оценки постоянной связывания для белкового лигандного комплекса известной трехмерной структуры». Журнал компьютерного молекулярного дизайна . 8 (3): 243–256. Bibcode : 1994jcamd ... 8..243b . doi : 10.1007/bf00126743 . PMID 7964925 . S2CID 2491616 .

[Liu_2015-47] Лю Дж, Ван Р (март 2015 г.). «Классификация текущих функций оценки». Журнал химической информации и моделирования . 55 (3): 475–482. doi : 10.1021/ci500731a . PMID 25647463 .

[Ajay_1995-48] Мурко Ма (декабрь 1995 г.). «Вычислительные методы для прогнозирования свободной энергии связывания в комплексах-рецепторных рецепторных комплексах». Журнал лекарственной химии . 38 (26): 4953–4967. doi : 10.1021/jm00026a001 . PMID 8544170 .

[49] Gramatica P (2011). «Глава 17: Моделирование химических веществ в окружающей среде» . В Gramatica P, Livingstone DJ, Davis Am (Eds.). Стратегии дизайна лекарств: количественные подходы . Открытие лекарств RSC. Королевское общество химии. п. 466. doi : 10.1039/9781849733410-00458 . ISBN 978-1849731669 .

[pmid8164249-50] Грир Дж., Эриксон Дж.В., Болдуин Дж.Дж., Варни Мэриленд (апрель 1994 г.). «Применение трехмерных структур белковых целевых молекул в структурном дизайне лекарственного средства». Журнал лекарственной химии . 37 (8): 1035–1054. doi : 10.1021/jm00034a001 . PMID 8164249 .

[isbn3-527-29343-4-51] Тиммерман Х., Губернатор К., Бум Х.Дж., Маннхолд Р., Кубини Х. (1998). Структурная конструкция лиганда (методы и принципы в области лекарственной химии) . Вейнхайм: Wiley-VCH. ISBN 978-3-527-29343-8 .

[52] Capdeville R, Buchdunger E, Zimmermann J, Matter A (июль 2002 г.). «Glivec (STI571, иматиниб), рационально развитый, целенаправленный противоракованный препарат». Природные обзоры. Открытие наркотиков . 1 (7): 493–502. doi : 10.1038/nrd839 . PMID 12120256 . S2CID 2728341 .

[url_AutoDock_Integrase_Inhibitor-53] «Роль Autodock в разработке первого клинически одобренного ингибитором интеграции ВИЧ» . Пресс-релиз . Научно -исследовательский институт Скриппса. 2007-12-17.

[54] Приор М., Чирута С., Куррайс А., Голдберг Дж., Рэмси Дж., Даргуш Р. и др. (Июль 2014). «Вернуться в будущее с фенотипическим скринингом» . ACS Химическая нейробиология . 5 (7): 503–513. doi : 10.1021/cn500051h . PMC 4102969 . PMID 24902068 .

[55] Kotz J (апрель 2012 г.). «Фенотипический скрининг, возьмите два» . Научный бизнес обмен . 5 (15): 380. doi : 10.1038/scibx.2012.380 . ISSN 1945-3477 . S2CID 72519717 .

[56] Герцберг Р.П., Папа А.Дж. (август 2000 г.). «Высокопроизводительный скрининг: новая технология для 21-го века». Современное мнение о химической биологии . 4 (4): 445–451. doi : 10.1016/s1367-5931 (00) 00110-1 . PMID 10959774 .

[57] Уолтерс В.П., Шталь М.Т., Мурко Ма (апрель 1998 г.). «Виртуальный показ - обзор». Drug Discovery сегодня . 3 (4): 160–178. doi : 10.1016/s1359-6446 (97) 01163-x .

[pmid18319418-58] Klein DF (март 2008 г.). «Потеря случайности в психофармакологии». Джама . 299 (9): 1063–1065. doi : 10.1001/Jama.299.9.1063 . PMID 18319418 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]

[ 15 ]

[ 16 ]

[ 17 ]

[ 18 ]

[ 19 ]

[ 20 ]

[ 21 ]

[ 22 ]

[ 23 ]

[ 24 ]

[ 25 ]

[ 26 ]

[ 27 ]

[ 28 ]

[ 29 ]

[ 30 ]

[ 31 ]

[ 32 ]

[ 33 ]

[ 34 ]

[ 35 ]

[ 36 ]

[ 37 ]

[ 38 ]

[ 39 ]

[ 40 ]

[ 41 ]

[ 42 ]

[ 43 ]

[ 44 ]

[ 45 ]

[ 46 ]

[ 47 ]

[ 48 ]

[ 49 ]

[ 50 ]

[ 51 ]

[ 52 ]

[ 53 ]

[ 54 ]

[ 55 ]

[ 56 ]

[ 57 ]

[ 58 ]