论文题目: 药物发现及靶向虚拟筛选的算法与程序设计
论文类型: 博士论文
论文专业: 工程力学
作者: 李洪林
导师: 王希诚,蒋华良,沈建华
关键词: 虚拟筛选,分子对接,遗传算法,信息熵,多目标优化,药物分子靶标
文献来源: 大连理工大学
发表年度: 2005
论文摘要: 虚拟筛选是创新药物研究的新方法和新技术,近年来引起了研究机构和制药公司的高度重视,并且已经成为一种与高通量筛选互补的实用化工具,加入到了创新药物研究的工作流程中。随着结构生物学、结构基因组、功能基因组学及蛋白质组学的发展,越来越多的生物大分子三维结构被测定,将深刻地改变药物研究开发的思路和策略,最终形成了新药研究的新模式—从基因组到药物,虚拟筛选将发挥更大的作用。分子对接是药物发现和设计中一种非常重要的方法,也是国内外前沿研究课题,具有交叉学科的研究特点。 作者首先对目前药物发现虚拟筛选中现存的方法进行了简单的介绍及评述,指出了目前现有方法的不足及缺陷。作者在深入研究分子对接理论的基础上,完成了三个药物发现虚拟筛选的程序的开发与设计,并做了大量算例进行了测试验证,其中的两个程序已在国内一些科研单位及高校得到了初步应用。 作者建立基于信息熵的分子对接优化模型,发展了多种群遗传算法分子对接程序GAsDock,并对GAsDock的对接精度、筛选效率及对接速度进行了测试及验证;与其它分子对接软件相比,GAsDock在对接精度上优于现存的一些分子对接程序;另外,GAsDock在筛选效率方面较其他软件有了明显提高;GAsDock的计算时间与配体可旋转键数目近似呈线性比例关系,能在保证精度的同时,更快地进行大规模数据库的搜索。程序开发一年来在国内一些科研单位及高校得到较好的应用。 针对目前打分函数不能适应所有体系的不足,作者从优化的角度提出了基于多目标优化方法的药物虚拟筛选策略MOOD。文中采用两种多目标优化方法:Deb的ε-MOEA法和作者在GAsDock算法的基础上提出的评价函数多目标优化遗传算法EFMOGA。文中作者建立了分子对接多目标优化模型,并对EFMOGA进行了数学证明,采用了两种不同的打分函数作为多目标优化的目标函数。最后通过三个不同类型结合位点的靶标体系对MOOD进行了测试与验证,结果与单目标优化结果相比,MOOD能有效地提高虚拟筛选的富集因子并较大程度地提高阳性率。这在目前所有打分函数不能适合所有靶标体系的情况下非常有意义。 作者从反向角度思考目前的分子对接及虚拟筛选,提出了一种新的药物及靶标的发现的方法。建立了含有309个药物靶标的药物分子靶标数据库MDTD及182个HIV相关数据库HTD,并对MDTD及HTD进行了系统的分析及总结。基于DOCK程序的基础上,作者设计了针对MDTD库筛选的靶向虚拟筛选程序MDTScreening,并通过已知天然配体的晶体结构复原及对4-H Tamoxifen及苦艾素的药物功能及毒副作用进行了预测,并对我们通常感兴趣的前5%结果进行了
论文目录:
摘要
Abstract
注释说明清单
1 药物发现及计算机辅助药物分子设计
1.1 引言
1.2 药物发现与计算机辅助药物设计
1.2.1 后基因组时代药物创新的新模式
1.2.2 分子生物学、高通量筛选、组合化学及计算机辅助药物设计的整合
1.3 计算机辅助药物分子设计
1.3.1 基于小分子的药物设计方法
1.3.2 基于受体结构的药物设计方法
1.4 基于分子对接方法的虚拟筛选
1.4.1 虚拟筛选与分子对接
1.4.2 虚拟筛选的意义
1.4.3 国际上虚拟筛选的近期进展
1.4.4 我国虚拟筛选的研究状况
1.5 主要研究内容和工作
1.6 本章小结
2 分子对接中的最优化方法与打分函数
2.1 基于分子对接方法的虚拟筛选流程
2.2 分子对接的理论基础
2.3 常用分子对接方法及其分类
2.3.1 对接中的分子表达
2.3.2 分子对接优化方法
2.4 打分函数及其分类
2.4.1 基于力场方法
2.4.2 经验打分函数
2.4.3 基于知识打分函数
2.5 一致性打分
2.6 本章小结
3 GAsDock
3.1 分子对接优化模型的建立
3.1.1 分子对接问题的数学优化模型
3.1.2 无约束最大化模型的转化
3.2 GAsDock的设计与实现
3.2.1 遗传算法
3.2.2 基于信息熵进行空间收缩的多种群遗传算法
3.2.3 GAsDock程序设计
3.3 GAsDock程序测试及应用
3.3.1 测试集的准备
3.3.2 GAsDock分子对接
3.3.3 结果与讨论
3.3.4 虚拟筛选测试
3.3.5 GAsDock的实际应用
3.4 本章小结
4 基于多目标优化方法的药物虚拟筛选
4.1 多目标优化方法概述
4.1.1 多目标优化算法
4.1.2 基于多目标优化方法的药物虚拟筛选思想
4.2 基于多目标优化的虚拟筛选优化模型
4.2.1 分子对接多目标优化模型
4.2.2 多个打分函数的选择
4.3 ε-MOEA算法设计
4.4 EFMOGA算法设计
4.5 ε-MOEA、EFMOGA的测试与应用
4.5.1 应用MOOD对胸苷激酶(TK)复合物的晶体结构复原
4.5.2 虚拟筛选数据的准备
4.5.3 评判标准
4.5.4 结果
4.5.5 讨论
4.5.6 结论
4.6 本章小结
5 药物靶向虚拟筛选程序设计
5.1 反向对接概述
5.2 药物靶标蛋白的选择与数据库的建立
5.2.1 药物靶标的归类分析
5.2.2 药物靶标蛋白质的选择及确定
5.2.3 药物靶标蛋白库的分析
5.2.4 发展及展望
5.3 药物靶向虚拟筛选程序设计与实现
5.3.1 MDTScreening程序总体流程
5.3.2 程序实现
5.4 靶向虚拟筛选的测试、验证与应用
5.4.1 天然配体的晶体结构复原及MDTScreening靶向虚拟筛选
5.4.2 4H-Tamoxifen及其它已知药物的功能及一些潜在药物的功能预测
5.4.3 结论
5.5 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
创新点摘要
攻读博士学位期间发表学术论文情况
致谢
大连理工大学学位论文版权使用授权书
发布时间: 2005-09-07
参考文献
- [1].分子相似性的计算方法研究[D]. 蔡超前.华东理工大学2013
- [2].面向情境的科学工作流建模及其定量分析研究[D]. 范晓亮.兰州大学2012
相关论文
- [1].几类蛋白的结构预测及分子对接的理论研究[D]. 张媛.吉林大学2005
- [2].6-羟甲基-7，8-二氢喋呤磷酸化酶的分子对接和分子动力学模拟研究[D]. 赵文娜.浙江大学2005
- [3].计算机辅助药物设计方法对HMGR、ThyX、MurF和抗氧化剂四体系的研究[D]. 孔德信.中国海洋大学2005
- [4].基于抗真菌药物新靶点的计算机辅助药物设计研究[D]. 朱杰.第二军医大学2006
- [5].蛋白质结构及分子对接的理论研究[D]. 郑清川.吉林大学2006
- [6].基于三维药效团的活血化瘀中药虚拟筛选方法学研究[D]. 张燕玲.北京中医药大学2006