Computational Drug Discovery, 2 Volumes: Methods and Applications
Átfogó forrás, amely elmagyarázza a hatékony és költséghatékony számítási technológiákat a gyógyszeroptimalizáláshoz, hogy lehetővé tegye az innovatív gyógyszerkutatást és -tervezést
Számítógépes gyógyszerkutatás: Methods and Applications (2V set) az élvonalbeli számítógépes technológia vagy számítógépes kémiai módszer széles körét öleli fel, amelyek átalakítják a gyógyszerkutatást. A könyv elmélyül a legújabb fejlesztésekben, különös tekintettel a mesterséges intelligencia (AI) alkalmazásaira a fehérjeszerkezet-előrejelzésben, az AI-alapú virtuális szűrésben és a generatív modellezésben. Emellett kitér a gyógyszerfelfedezést befolyásoló kulcsfontosságú számítástechnikai fejlesztésekre is, mint például a kvantumszámítástechnika és a felhőalapú számítástechnika.
Emellett külön fejezetek foglalkoznak a számítógéppel támogatott gyógyszertervezés legújabb trendjeivel, beleértve az ultranagyszabású virtuális szűrést a találatok azonosítására, az új terápiás módozatok, például a PROTAC-ok és a ciszteinen túli maradékokat célzó kovalens inhibitorok tervezésének számítási stratégiáit.
Annak érdekében, hogy a legfrissebb információkat nyújtsa a számítógépes gyógyszerkutatásban alkalmazott számítási módszerekről, a könyv olyan fejezeteket tartalmaz, amelyek kiemelik a molekuladinamika és más kapcsolódó módszerek használatát, a QM és QM/MM módszerek alkalmazását a számítógépes gyógyszerkutatásban, valamint a kémiai térben való navigálás és vizualizáció technikáit, továbbá a nagy mennyiségű adat felhasználását a gyógyszerkutatási erőfeszítések ösztönzésére.
A könyv átgondoltan nyolc tematikus részre tagolódik, amelyek mindegyike egy-egy, a gyógyszerkutatás szempontjából releváns számítási módszerre vagy technológiára összpontosít. A könyv, amelynek szerzői a tudományos élet, a gyógyszeripar és a főbb gyógyszerkutató szoftverszolgáltatók elismert szakértői, áttekintést nyújt a számítógépes gyógyszerkutatás legújabb eredményeiről.
A könyvben tárgyalt legfontosabb témák a következők:
⬤ A molekuladinamikai szimulációk és a kapcsolódó megközelítések alkalmazása a gyógyszerkutatásban.
⬤ A QM, a hibrid megközelítések, mint például a QM/MM, és a fragmentum molekuláris orbitális keretrendszer alkalmazása a fehérje-ligandum kölcsönhatások megértéséhez.
⬤ A mesterséges intelligencia alkalmazása a preklinikai gyógyszerkutatásban, beleértve a fehérjeszerkezet-előrejelzést, a de novo tervezés generatív modellezését és a virtuális szűrést.
⬤ A kémiai térben való navigáció és vizualizáció technikái, valamint a nagyméretű adatok felhasználása a gyógyszerkutatási erőfeszítések ösztönzésére.
⬤ Módszerek a találatok azonosítására szolgáló ultra-nagyszabású virtuális szűrés elvégzésére.
⬤ Computációs stratégiák új terápiás modellek tervezéséhez, beleértve a PROTAC-okat és a molekuláris ragasztókat.
⬤ In silico ADMET megközelítések a különböző farmakokinetikai és fizikai-kémiai végpontok előrejelzésére.
⬤ A számítástechnikai technológiák, például a kvantumszámítás és a felhőalapú számítástechnika szerepe a gyógyszerkutatás felgyorsításában.
Ez a könyv áttekintést nyújt az olvasóknak a számítógépes gyógyszerkutatás legújabb eredményeiről, és értékes forrásként szolgál a gyógyszerkutatással foglalkozó szakemberek számára.