- 人工智能与药物发现
- - 作者：编者:张寿德|责编:刘军//陈思逸
  - 出版社：化学工业
  - ISBN：9787122503862
  - 出版日期：2026/08/01
  - 页数：223
- 售价：35.2

内容大纲
本书立足于药学与人工智能的交叉前沿，系统构建了从底层数据表征到顶层应用场景的完整知识体系。全书紧密围绕“数据—算法—应用”这一逻辑主线，首先系统介绍药物与靶标的作用模式、调控网络及分子结构的数字化表征；进而引入人工智能算法的核心原理，为后续应用奠定技术基石；核心篇章则聚焦实战，详尽阐述了AI在靶标结构预测、虚拟筛选、从头药物设计、潜在靶标识别及ADMET性质预测等关键环节的具体应用策略与经典案例。本书不仅关注单一技术的实现，更强调计算思维与药物研发流程的深度融合，旨在帮助读者建立起涵盖靶标发现、先导化合物优化至临床前研究的全流程AI辅助研发视野。
本书兼具理论深度与实践导向，可供从事人工智能、生命科学研究、新药研发、化学合成、计算化学及相关领域的科研人员与企业技术骨干参考，亦可作为高等院校药学、中药学、生物信息学及计算机科学等相关专业本科生与研究生的参考教材。
作者介绍
目录
第一章  药物发现史概述
  第一节  药物发现过程的历史演进
    一、经验时代
    二、现代药理学时代
    三、理性设计时代
    四、人工智能时代
  第二节  人工智能在药物研发中的核心应用场景
    一、多维数据驱动的靶标识别
    二、革命性的靶标结构预测
    三、高精度的分子相互作用预测
    四、广阔化学空间的分子生成
    五、早期的ADMET性质预测
  第三节  计算驱动的未来药物发现世界
  参考文献
第二章  药物与靶标相互作用模式
  第一节  药物的类型及作用方式
    一、小分子药物
    二、大分子药物
    三、非共价结合药物
    四、共价结合药物
  第二节  药物靶标类型及结构
    一、酶
    二、受体蛋白
    三、转运蛋白
    四、结构蛋白
    五、蛋白质-蛋白质相互作用
  第三节  药物与靶标相互作用的表征方法
    一、药物分子与靶标之间的相互作用类型
    二、药物与蛋白质相互作用强度的表征参数
  第四节  药物与靶标相互作用研究
    一、酶活性测试方法
    二、表面等离子体共振
    三、生物膜干涉技术
    四、微量热泳动技术
    五、荧光偏振实验
    六、荧光共振能量转移
    七、等温滴定量热法
    八、Pull-down实验
    九、液相色谱-质谱联用法
    十、核磁共振波谱
    十一、蛋白质晶体学方法
    十二、其他前沿方法
  参考文献
第三章  药物调控网络分析
  第一节  生物网络概况
    一、生物网络的类型
    二、生物网络的特征
    三、生物网络的构建方法
    四、生物网络的分析方法
    五、生物网络的应用

  第二节  网络药理学研究
    一、药物调控网络
    二、网络药理学
    三、网络药理学研究流程与方法
    四、麝香保心丸的网络药理学研究
  参考文献
第四章  分子结构表征与存储
  第一节  分子结构表征与构建方法
    一、化学分子结构表征
    二、化学分子结构可视化
  第二节  分子结构存储文件类型
    一、SDF格式
    二、MOL2格式
    三、PDB格式
    四、SMILES格式
  第三节  分子描述符
    一、分子描述符的分类
    二、分子描述符的应用
  第四节  分子构象
    一、概念
    二、研究分子构象的作用
    三、构象研究方法
    四、分子动力学研究
  第五节  化合物数据库
    一、化合物构建软件
    二、常见化合物或药物数据库
  参考文献
第五章  人工智能算法基础
  第一节  计算机语言基础
    一、计算机语言
    二、Python语言概述
    三、Python安装及测试工具
    四、Python的基本语法
  第二节  人工智能算法
    一、监督学习
    二、无监督学习
    三、深度学习
    四、强化学习
  第三节  药物研究中常用的AI工具
    一、DeepChem
    二、RDKit
    三、ChemBERTa
    四、MolBERT
  参考文献
第六章  人工智能与靶标结构预测
  第一节  靶标结构预测概述
    一、结构决定功能
    二、靶标结构预测的现状
  第二节  蛋白质结构预测原理
    一、数据输入和数据库检索

    二、序列分析
    三、结构生成
  第三节  蛋白质结构预测的工具
    一、AlphaFold
    二、RoseTTAFold
    三、ESMFold
  第四节  蛋白质结构预测的应用
    一、蛋白质结构预测在药物研发中的应用
    二、蛋白质结构预测在疾病诊断中的应用
    三、蛋白质结构预测在生物技术及合成生物学中的应用
    四、蛋白质结构预测在流行病应对中的应用
  第五节  蛋白质结构可视化
    一、PyMOL
    二、VMD
    三、UCSF Chimera
  参考文献
第七章  人工智能与药物筛选
  第一节  人工智能药物筛选概述
    一、极大提升筛选效率与降低研发成本
    二、突破化学空间的探索限制
    三、提高命中率与先导化合物质量
    四、促进个性化与精准药物开发
  第二节  人工智能药物筛选方法的分类
    一、基于配体的虚拟筛选模型
    二、基于结构的虚拟筛选模型
    三、基于表型的虚拟筛选模型
  第三节  人工智能药物筛选算法
    一、分子对接
    二、支持向量机
    三、随机森林
    四、深度卷积神经网络
    五、图神经网络
  第四节  人工智能药物筛选模型介绍
    一、分子对接方法
    二、分子对接与人工智能相结合的模型
    三、基于深度卷积神经网络的AtomNet模型
    四、基于图神经网络的DTINet模型
  参考文献
第八章  人工智能与药物生成
  第一节  药物生成概述
  第二节  药物生成关键技术
    一、生成引擎
    二、导航系统
  第三节  药物生成模型介绍
    一、REINVENT模型
    二、连接树变分自编码器模型
    三、ORGAN模型
    四、SketchMol模型
  参考文献
第九章  人工智能与靶标识别

  第一节  靶标识别概述
    一、疾病靶标识别
    二、药物靶标识别
    三、人工智能在靶标识别中的作用
  第二节  人工智能靶标识别的关键技术
    一、疾病相关靶标识别技术
    二、药物相关靶标识别技术
  第三节  人工智能靶标识别模型介绍
    一、疾病相关靶标识别模型
    二、药物相关靶标识别模型
  参考文献
第十章  人工智能与药物性质预测
  第一节  药物性质预测概述
    一、药物性质预测的意义
    二、药物性质预测的内容
  第二节  药物性质预测关键技术
    一、经典统计与机器学习算法
    二、深度学习算法
  第三节  药物性质预测模型
    一、ImageMol
    二、Molecule-BERT
  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目