久久超碰99,91一区二区三区四区,精品捆绑调教一区二区三区,日韩国产欧美三级

{{couponData.name}} ￥{{Math.floor(couponData.money)}} {{couponData.discount}}折￥{{couponData.random_min_money | int}}~{{couponData.random_max_money|int}}

{{timeH}}:{{timeM}}:{{timeS}}

{{couponData.name}} ￥{{Math.floor(couponData.money)}} {{couponData.discount}}折￥{{couponData.random_min_money | int}}~{{couponData.random_max_money|int}} （{{couponData.min_amount==1?'無門檻':'滿'+Math.floor(couponData.min_amount)+'可用'}}）

距失效

時

分

秒

Document

當前位置：生物測試 ? 藥物篩選平臺 ?

藥物設計與篩選及驗證技術

99%

滿意度

藥物設計與篩選及驗證技術

預存專享優惠

已預約：

46次

服務周期：

平均30個工作日完成

立即下單

咨詢價格

如有各類設備采購需求，請聯系專屬顧問。

項目介紹

一、項目概述

近年來，隨著計算機科學及相關基礎學科的發展與進步，基于計算機圖形學、數據庫技術、人工智能等新技術的藥物分子設計手段正日臻成熟，不斷取得突破性進展，有力推動藥物設計領域日趨完善。這不僅為新藥創制事業提供了新利器，更有效加速了新藥成功開發的概率、縮短新藥上市周期，更好地滿足臨床需求。

我們深切感受到新藥研發的科技手段對項目的促進作用，由此建立了一支專業高效的研發服務團隊。依托基于結構的藥物設計（SBDD）、基于配體的藥物設計（LBDD）、基于碎片的藥物設計（FBDD）、高通量篩選（HTS）技術等技術服務，根據您的需要，評估適合您的藥物設計及篩選方式。例如，如果消費者已有明確的靶點結構，我們可能會推薦SBDD；如果消費者擁有大量活性化合物數據，LBDD可能更為合適。此外，我們的服務還包括：根據您的需求，定制一個綜合的藥物設計及篩選方案，明確每個階段的目標、所需資源以及預期的時間框架。

1.1藥物研發流程及CADD在藥物研發中的運用

1.2藥物設計的基本策略與流程

二、藥物設計方法分類

2.1 基于結構的藥物設計（SBDD）

簡介：SBDD依賴于藥物靶點（如受體、酶等）的三維結構信息，通過分子對接、分子動力學模擬等技術手段，預測藥物分子與靶點之間的結合模式和相互作用強度，從而設計出具有高親和力和特異性的藥物分子。

服務內容：靶點蛋白的獲取與結構解析（X射線晶體學、多維核磁共振(NMR)、冷凍電鏡(Cryo-EM)、同源建模以及模型優化）/分子對接（一般對接（剛性對接、柔性、半柔性對接）、共價對接、口袋氨基酸突變、金屬酶蛋白-配體對接、蛋白-多肽對接、蛋白-蛋白對接）/分子動力學模擬（1.誘導契合對接和分子動力學模擬手段，解決晶體結構缺乏柔性的問題2. 結合溶質、溶劑化能來優化結合親和力，更準確地預測出化合物“天然”結合模式。

2.1.1分子對接

2.1.2動力學模擬

2.2 基于配體的藥物設計（LBDD）

簡介：LBDD在生物靶點未知或靶點結構信息不足的情況下，通過研究已知活性配體的結構性信息，構建藥效團模型或定量構效關系（QSAR）模型，來預測新化合物的活性。這種方法不依賴于靶點的三維結構，而是基于配體分子之間的相似性進行藥物設計。

服務內容：構建藥效團模型或定量構效關系（QSAR）模型/反向找靶/相似性搜索和聚類/ADMET預測

2.3 基于碎片的藥物設計（FBDD）

核心技術：FBDD通過篩選低分子量、低親和力的片段分子，并利用這些片段與靶點的結合信息來優化和鏈接成新藥物分子。這種方法結合了隨機篩選和SBDD的優點，旨在探索更廣闊的化學空間，提高發現活性化合物的命中率。

服務內容：蛋白純化/高通量晶體篩選及結晶/分子片段篩選/類藥性評估

高通量篩選片段 (HTS)—>片段優化—> 結構優化

三、基于藥物設計方法的虛擬篩選

3.1 虛擬篩選概述

計算機輔助藥物篩選也稱虛擬篩選（Virtual Screening)，是藥物發現和篩選藥物（篩藥）常見的方法之一。當虛擬篩選的量比較大的時候，可稱為高通量虛擬篩選（High throughput virtual screening，HTVS）。虛擬篩選根據受體結構的有無，可以分為基于結構的藥物設計（SBDD）、基于配體的藥物設計（LBDD）。此外，基于碎片的藥物設計（FBDD）通過篩選低分子量、低親和力的片段分子，并利用這些片段與靶點的結合信息來優化和鏈接成新藥物分子是對SBDD的進一步補充。

3.2 藥物庫選擇

3.2.1 大型綜合藥物庫

序列	虛擬篩選庫名稱	分子數量	特點與描述
1	ChemDiv	1,250,000+	ChemDiv是全球最大的為科研機構提供化合物的公司之一，其庫存可用的化合物已經超過125萬種，并且以每年超過20萬個化合物的速度遞增。
2	Asinex Gold	170,269+	Asinex的一個高級篩選庫，包含精心挑選的化合物，適用于藥物發現過程中的深入篩選。具體分子數量需查詢官網或相關權威資料。
3	Specs	350,000+	Specs的化合物庫由單一合成、性質良好的小分子組成，適用于藥物發現的各個階段。該庫通過全球采購方案建立，包含超過35萬種化合物。
4	ChemBridge	130,000+	ChemBridge的虛擬篩選數據庫擁有超過13萬個多樣性的化合物，涵蓋多種類型和多種蛋白靶點的化合物，是藥物發現過程中的有力工具。
5	ZINC	1,350,000+	ZINC數據庫用于虛擬篩選的市售化合物的免費數據庫。ZINC包含超過1300萬種3D格式的可購買化合物。提供ZINC數據庫是一個小分子結構數據庫，在該數據庫中存放有大量現在市場銷售的小分子化合物
6	ChEMBL	1,879,000+	ChEMBL數據庫是歐洲生物信息研究所(European Bioinformatics Institute，EBI)開發的一個在線的免費數據庫，它通過從大量文獻中收集各種靶點及化合物的生物活性數據，為藥物化學家們提供了一個非常便利的査詢靶點或化合物的生物活性數據的平臺。截至2019年10月29日，該數據庫共收集了12482個靶點，187.9萬個化合物，共有15500萬條生物活性信息。
7	DrugBank	13577+	最近發布的DrugBank (版本5.1.9，2022-01-03版)包含13577種藥物條目，其中包括2634種經批準的小分子藥物、1377種經批準的生物技術(蛋白質/肽)藥物、131種營養品和6375種實驗藥物。此外，5241個非冗余蛋白(即藥物靶標/酶/轉運體/載體)序列與這些藥物條目相關聯。每個DrugCard條目包含200多個數據字段，其中一半用于藥物/化學數據，另一半用于藥物靶標或蛋白質數據。
8	MCE	4,6000+	MCE（MedChemExpress）藥物庫涵蓋了藥物代謝物庫、老藥新用化合物庫、片段化合物庫以及FDA批準上市藥物庫等多個子庫。這些子庫各自具有獨特的應用價值，共同構成了MCE全面而豐富的藥物研發資源。

3.2.2 實際化合物庫

3.2.2.1 老藥新用化合物庫系列

老藥新用，藥物開發新趨勢，其優勢凸顯：藥物安全性已經過廣泛驗證，研發周期得以顯著縮短，猶如配備齊全的科研團隊，高效且穩健。相較于新藥開發，成本更低，效益顯著。測試go提供化學庫總共包含了超過30,000種不同的化合物，涵蓋了從FDA、EMA等監管機構批準的藥物到非專利藥物、臨床試驗藥物、抗癌藥物以及兒童用藥等多個領域，為藥物研發、藥物再利用以及特定疾病治療等領域提供了重要的支持。

3.2.2.2 天然產物庫

天然產物篩選庫是一個涵蓋多種生物來源化合物的豐富資源庫，它包括海洋生物和微生物體內的組成成分或其代謝產物以及人和動天然產物是指動物、植物提取物或昆蟲、物體內許許多多內源性的化學成分統稱，其與藥物發現，化學生態學和分子生物學等領域緊密相關，一直以來備受科學界的關注。該篩選庫包含以下幾個主要部分：海洋來源天然產物庫、動物來源化合物庫、抗衰老天然產物庫、天然產物庫、天然產物Plus庫、天然產物類似物庫、植物來源化合物庫以及抗腫瘤天然產物庫，還有一個微生物代謝物庫。該天然產物篩選庫總共包含了超過17,000個不同來源的天然化合物。

3.2.2.3中藥相關庫

中藥相關化合物庫是收集和整理中藥中活性成分的資源庫，這些成分通常具有獨特的藥用價值。通過科學研究，人們發現中藥中的某些化合物對治療特定疾病有顯著效果，因此，將這些化合物整理入庫，有助于藥物研發和新藥創制。中藥相關化合物庫包括傳統中藥活性化合物庫、抗病毒中藥單體化合物庫等，這些庫中的化合物均來源于中藥材，且經過嚴格篩選和驗證。該篩選庫總共包含了超過7,197個中藥中活性成分化合物。

3.2.2.4 片段化合物庫系列

測試go服務平臺提供的片段化合物庫涵蓋了多種類型，包括半胱氨酸靶向共價片段庫、含氟片段化合物庫、1K藥物片段庫、3D多樣片段庫以及片段化合物庫，共計36,864種化合物。這些庫不僅種類豐富，而且涵蓋了廣泛的化學結構和性質，適用于基于片段化合物的篩選、高通量X-ray 晶體學、NMR、SPR和高濃度生物分析。所有化合物均符合Rule of Three原則（MW ≤ 300, H-bond donors ≤ 3, H-bond acceptors ≤ 3, cLogP ≤ 3，RB ≤ 3) 和TPSA ≤ 120）

3.2.2.5 其他子庫分類

1.大環類化合物庫：包含環肽、冠醚等幾百個大環類物質，這類化合物通常具有較大的分子量和特殊的結構特點，對于模擬蛋白蛋白相互作用(PPIs)的結構域至關重要，因此在PPIs的藥物開發中應用越來越多。目前可提供超過20000個具有豐富多樣性的大環類化合物。

2.中樞神經化合物庫：針對中樞神經系統藥物研發的化合物庫，包含多樣化、高質量的化合物，支持CNS藥物發現計劃。這些化合物經過多參數優化，預計具有更高的穿過血腦屏障(BBB)的可能性。

3.GPCR化合物庫：專注于G蛋白偶聯受體(GPCR)相關的藥物篩選和研究。GPCR是藥物研發中的重要靶點，因此這個庫對于開發針對GPCR的藥物具有重要意義。

4.核受體化合物庫：是癌癥、皮膚病和糖尿病等相關藥物研究的有用工具。核受體是細胞內的一類重要蛋白質，參與調控多種生理過程，因此這個庫在藥物研發中具有廣泛應用。

5.激酶化合物庫：針對激酶的藥物篩選和研究。激酶是細胞內的一類重要酶類，參與調控多種信號傳導途徑，與多種疾病的發生和發展密切相關。

6.離子通道化合物庫：是心血管、神經系統等疾病研究的重要工具。離子通道是細胞膜上的一類重要蛋白質，參與調控離子的跨膜運輸，與多種生理功能密切相關。

3.2.2.6 與數百家企業合作，品質值得信賴

我們的科研服務平臺已經與國內外數千家企業建立了緊密的合作關系。

3.3 虛擬篩選服務流程

客戶確認靶點蛋白/化合物集—>根據靶點類型，選擇平臺在線藥物庫/藥效團選擇虛篩模式—>技術員評估虛篩位點以及方式—>采用虛篩軟件進行蛋白與多種小分子構像的模擬對接—>選取打分前100的小分子—>購買小分子進行表型驗證和基于靶點驗證。

四、實體化合物活性篩選