Podstawy chemoinformatyki leków. Wydanie drugie rozszerzone

Andrzej Bąk, Jarosław Polański

Uzyskaj dostęp

Zakup książkę

ISBN/ISSN:

978-83-8012-897-2

DOI:

Wydawnictwo:

Uniwersytet Śląski

Rok wydania:

2018

Liczba stron:

288

XML:ISBN/ISSN:

ONIX MARC21

Bibliografia:

Bąk, Andrzej; Polański, Jarosław. Podstawy chemoinformatyki leków. Wydanie drugie rozszerzone. Red. . Katowice: Uniwersytet Śląski, 2018, 288 s. ISBN 978-83-8012-897-2

Bibliografia refWorks:

RT Book, Whole

SR Electronic(1)

A1 Bąk, A.

A1 Polański, J.

T1 Podstawy chemoinformatyki leków. Wydanie drugie rozszerzone

PB Uniwersytet Śląski

PP Katowice

YR 2018

SN 978-83-8012-897-2

Bibliografia BibTex:

@Book{ 193464, author = "Bąk, Andrzej and Polański, Jarosław", editor = "", title = "Podstawy chemoinformatyki leków. Wydanie drugie rozszerzone", publisher = "Uniwersytet Śląski", year = "2018", address = "Katowice", isbn = "978-83-8012-897-2" }

Bibliografia endNote:

TY - BOOK

AU - Bąk, Andrzej

AU - Polański, Jarosław

ED -

TI - Podstawy chemoinformatyki leków. Wydanie drugie rozszerzone

PB - Uniwersytet Śląski

CY - Katowice

PY - 2018

SN - 978-83-8012-897-2

ER -

Netografia (standard APA):

Bąk, Andrzej; Polański, Jarosław. Podstawy chemoinformatyki leków. Wydanie drugie rozszerzone [baza danych online] Katowice: Uniwersytet Śląski, 2018 [dostęp: 25 08 2024]. Dostęp w Ibuk Libra: https://libra.ibuk.pl/reader/podstawy-chemoinformatyki-lekow-wydanie-drugie-rozszerzone-andrzej-bak-jaroslaw-polanski-193464.

projektowanie molekularne, projektowanie leków, chemoinformatyka

Na polskim rynku księgarskim dostępnych jest szereg podręczników poświęconych chemii leków oraz projektowaniu leków, brakuje natomiast podręcznika poświęconego chemoinformatyce. W zamyśle autorów niniejszy skrypt ma za zadanie wypełnić tę lukę. Po...

Więcej

ISBN/ISSN:

978-83-8012-897-2

DOI:

Wydawnictwo:

Uniwersytet Śląski

Rok wydania:

2018

Liczba stron:

288

XML:ISBN/ISSN:

ONIX MARC21

Przedmowa do wydania drugiego /9
1. Wstęp /11
2. Przedmiot chemii i chemoinformatyki /13
3. Komputer jako narzędzie pracy chemika – problemy wprowadzania danych /21
3.1. Kodowanie cząsteczek w chemoinformatyce /26
3.2. Grafy cząsteczek chemicznych /26
3.3. Notacja liniowa /28
3.3.1. Kody SMILES /30
3.3.1.1. SMILES – język kodowania grafów molekularnych /30
3.3.1.2. Gramatyka języka SMILES /31
3.3.2. Inne systemy notacji liniowej /41
3.4. Macierzowe systemy kodowania konstytucji cząsteczki /42
3.5. Edytory molekularne /50
3.6. Standardy wymiany informacji strukturalnej /60
3.7. Nomenklatura chemiczna /68
3.8. Związek chemiczny – in vitro oraz in silico /72
3.9. Ontologia chemiczna – formalna definicja związku chemicznego /73
3.10. Właściwości związków chemicznych i ich pomiary /76
3.11. Chemiczne bazy danych /78
3.11.1. Organizacja bazy danych /78
3.11.2. Typy baz danych /80
3.11.3. Strukturalne bazy danych ligand�w /83
3.11.4. Strukturalne bazy danych makromolekuł /86
3.11.5. Bazy literaturowe /90
4. Chemia in silico – problemy przetwarzania danych /93
4.1. Deskryptory molekularne /93
4.1.1. Kodujące deskryptory konstytucyjne /95
4.1.2. Deskryptory daktyloskopowe cząsteczki /95
4.1.3. Deskryptory obliczane na podstawie atomowej reprezentacji cząsteczki /95
4.1.4. Deskryptory obliczane na podstawie fragment�w molekularnych /96
4.1.5. Deskryptory topologiczne /96
4.1.6. Proste deskryptory geometryczne /97
4.1.7. Złożone deskryptory geometryczne /97
4.1.7.1. Deskryptory pola oddziaływań cząsteczkowych /97
4.1.7.2. Deskryptory profilu konformacyjnego /98
4.1.7.3. Deskryptory wirtualnego miejsca receptorowego /98
4.1.7.4. Deskryptory receptorowe /100
4.1.8. Deskryptory złożonych systemów cząsteczkowych ligand – receptor /100
4.1.9. Deskryptory skorelowane z właściwościami /100
4.1.9.1. Korelaty właściwości globalnych /100
4.1.9.2. Korelaty fragmentów molekularnych – stałe Hammetta /101
4.1.9.3. Prognozowanie właściwości związków chemicznych /104
4.2. Modelowanie struktur 3D /107
4.2.1. Generatory struktur 2D /110
4.2.2. Generatory struktur 3D /110
4.2.2.1. Semiempiryczne metody chemii kwantowej /116
4.2.2.2. Mechanika molekularna /117
4.2.2.3. Dynamika molekularna /125
4.2.2.4. Techniki generowania konformer�w /133
4.2.3. Pakiety do modelowania molekularnego /134
4.3. Podobieństwo strukturalne cząsteczek /139
4.4. Synteza i retrosynteza /152
4.4.1. Synteza organiczna – odwzorowanie reagentów w produkty /154
4.4.2. Projektowanie syntezy organicznej – odwzorowanie produktów w reagenty /155
4.4.3. Retroreakcje – nomenklatura syntonów /160
4.4.4. Operacje na syntonach /160
4.4.4.1. Przekształcenie syntonu w reagent /160
4.4.4.2. Modyfikacje synton�w /162
4.4.4.3. Odwrócenie reaktywności /163
4.4.5. Komputerowo wspomagane projektowanie syntezy (CASD) /164
4.5. Eksploracja baz danych /166
4.6. Chemometria – analizy złożonych danych chemicznych /169
4.6.1. Wybrane metody analizy struktury danych /170
4.6.2. Podstawowe pojęcia chemometrii /171
4.6.3. Zmienne i ich korelacje /171
4.6.4. Wstępna transformacja danych /173
4.6.5. Eksploracja danych /175
4.6.6. Jednoczynnikowa analiza wariancji /175
4.6.7. Wieloczynnikowa analiza wariancji /178
4.6.8. Algorytmy genetyczne /180
4.6.10. Analiza czynników głównych /183
4.6.9. Wybrane techniki projekcji i wizualizacji wielu zmiennych /183
4.6.11. Sieci neuronowe /185
4.6.12. Analiza regresji /198
4.6.13. Metoda najmniejszych kwadrat�w /201
4.6.14. Analiza regresji czynników głównych /205
4.6.15. Metoda częściowych najmniejszych kwadratów /205
4.6.16. Walidacja krzyżowa /207
4.7. Komputerowe wspomaganie projektowania molekularnego /212
4.8. Synteza ukierunkowana na właściwości /214
4.8.1. Intuicja i szczęśliwy traf w poszukiwaniach i odkryciach nowych leków /215
4.8.2. Schematy racjonalne w poszukiwaniu nowych leków – badanie zależności między budową a działaniem związków /215
4.8.3. Badania przesiewowe metodami chemii kombinatorycznej /223
4.8.4. Projektowanie molekularne in silico /224
4.8.5. Projektowanie leków, kiedy dostępne są dane strukturalne receptora /224
4.8.6. Dokowanie molekularne /227
4.8.7. Projektowanie oparte na szeregu aktywnych ligand�w /233
4.8.8. Ilościowe modele zależności struktura – aktywność QSAR /235
4.8.8.1. Modele 0D QSAR /236
4.8.8.2. Modele 1D QSAR /237
4.8.8.3. Modele 2D QSAR /237
4.8.8.4. Modele 3D QSAR /239
4.8.8.5. Modele 4D QSAR /243
4.8.8.6. Modele 5D QSAR /244
4.8.8.7. Modele 6D QSAR /245
4.8.8.8. Modele RI-QSAR z wirtualnym receptorem modelowanym danymi innymi niż szereg jego aktywnych ligandów /245
4.8.8.9. Modele RD QSAR z rzeczywistymi danymi receptorowymi /246
4.8.9. Lekotypy /247
5. Internetowe zasoby i nowe technologie chemoinformatyczne on-line /249
Literatura dodatkowa /255
Dodatek /257

20Przedmiotchemiiichemoinformatyki

latachpojawiłosięwielenowychzastosowańkomputerów,którehistorycznienie

sąnarzędziamichemometrii,okazałysięjednakniezwykleprzydatnewbadaniach

chemicznych.Chemoinformatykazajmujesięnaprzykładtworzeniembazdanych

orazicheksploracjąitzw.odkrywaniemwiedzy(ang.knowledgediscovery).Wza-

kreschemoinformatykiwchodząoperacjenacząsteczkachchemicznychinsilico,

obliczeniawłaściwościwirtualnychobiektówmolekularnych,projektowaniesyn-

tezchemicznychorazobliczeniowewspomaganiesyntezyobiektówmolekularnych

ooczekiwanychwłaściwościach.

Powstajejednakpytanie:Czywszystkiemetodyobliczeniowewspółczesnejche-

miistanowiągałąźchemoinformatyki?Czydojejprzedmiotubadańzaliczamy

chemiękwantową?Tenkierunekbadańchemicznychpostrzeganyjestczęstojako

rozszerzeniefizyki.Chemianiepotrzebujezakładaniażadnychspecyficznychod-

działywań,abywyjaśnićodpodstawbudowęatomuijegowiązania.Tofizykatego

układupozwalaopisaćatomy,amatematyka-poprawniemodelowaćtakieukła-

dy.Hipotetyczniemożnategodokonaćbezudziałukomputera.Praktyczniejed-

nakrozwiązanierównańbudowanychprzezmatematykęifizykędlamolekularnych

układówchemicznychjestbardzotrudne.Ponadtoimwiększeukładymolekular-

ne,tymtrudniejszyichprecyzyjnyopis.Mimożemetodykwantoweopartesądzi-

siajwznacznejmierzenaobliczeniachkomputerowych,działtenniestanowipod-

stawowejdomenychemoinformatyki.

Wydajesię,żekluczempozwalającymnaokreśleniegranicchemoinformaty-

kijestaparatmatematyczny,któregoużywamy.Wnajprostszymujęciumatema-

tykastanowiinstrument,któryużywanyjestdomodelowaniaibudowaniateorii.

Takwięcmatematykatowpewnymsensienarzędziekompresowaniada-

nychifaktówgenerowanychprzezprzyrodę.Wmodelumatematycznymrówna-

niezastępujewieledanych,wyjaśniającmodelowaneefekty.Pojedynczefaktyzni-

kająimogąbyćodtworzonezparametrówrównania.Czasami,zewzględunabrak

odpowiednichdanychlubbardzozłożonycharakterzjawiskalubobiektu,model

takijestbardzotrudnydoutworzenia.Wcelujegozrozumienialubprognozowa-

niaparametrówkoniecznestająsięznaczneuproszczenia,nawetzacenęmniejszej

wiarygodnościmodelu.Rozwiązaniemjestwtakimwypadkuspekulacjaopartana

regułachnauki(ang.educatedguess).Strategietakiejednaknietylkosąniepewne,

lecztakżezreguływymagająwieluspecyficznychobliczeń.Komputeryczęstooka-

zująsięwtakichstrategiachniepokonane.Tenkierunekopisujepierwsządomenę

zastosowańkomputerówwchemii.Skądbierzesięefektywnośćmetodkomputero-

wychwporównaniuzobliczeniamibezichudziału?Matematykainsiliconiepo-

leganaspecjalnejintuicjimetodinformatycznych,lecznazdolnościdoszybkiego

wykonywaniaprzezkomputerydużejliczbyprostychoperacji.Odróżniatomate-

matykęinsilicoodmetodmatematycznychobywającychsiębezwsparciamaszy-

nowegoidecydujeotym,żeczłowiekwyposażonywkomputerokazujesięsku-

tecznywprzypadkach,którewpraktycesąpozazasięgiemobliczeniowymczystej

matematyki.Wtymkontekścieprzedmiotemchemoinformatykisątakiemetody

Brak wyników

Podstawy chemoinformatyki leków. Wydanie drugie rozszerzone

Treść książki

Znajdź bibliotekę blisko siebie, i uzyskaj dostęp do ebooka w systemie IBUK Libra