第1章　分子概念與設計目標
1.1　什麼是分子？
1.2　分子的簡化錶達
1.3　分子錶麵
1.4　分子形狀
1.5　分子拓撲圖形
1.6　分子性質和圖形不變量
1.7　類藥性概念
1.8　骨架，連接子和側鏈
1.9　子結構相似性和“優勢結構”
1.10　分子的字符串錶達
1.11　從字符串入手構建分子
1.12　從元素符號到原子類型
1.13　進入第三維：自動構象生成
1.14　生物活性構象
參考　文獻
第2章　受體－配體相互作用
2.1　蛋白－配體相互作用的熱力學
2.2　熵的貢獻
2.3　從理論到實驗：Ki和IC50值
2.4　QSAR：定量評估結構－活性關係
2.4.1　Free－Wilson分析
2.4.2　Hansch模型
2.4.3　3D-QSAR
2.5　受體－配體相互作用類型
2.6　生物效應團的概念
2.7　潛在藥效點
2.8　用相關矢量構建藥效團模型
2.9　“硬球”和“模糊”藥效團模型
2.10　自動配體對接和打分的教訓：什麼可行及什麼不可行
2.11　象手套一樣適閤：另類的配體結閤模式及誘導契閤效應
參考文獻
第3章　産生設計
3.1　為什麼需要計算機輔助分子設計
3.2　藥物靶標的數目有限
3.3　配體結閤位點
3.4　基於配體的化閤物庫設計
3.5　相似化閤物未必以相似的方式與靶標結閤
3.6　同一配體可有多個結閤模式
3.7　GPCR是一類具有挑戰性的靶標傢族
3.8　天然産物是靈感之源
3.9　過渡態類似物是強效酶抑製劑
3.10　新靶標有時需要新的配體設計理念
3.11　從頭設計概念
3.12　從頭設計中的主要和次要限製
參考文獻
第4章　虛擬篩選
4.1　藥物發現流程
4.2　高通量篩選（HTS）為何能成功？
4.3　從命中化閤物到先導化閤物
4.4　設計過程的閤理化
4.5　從高多樣性到低多樣性
4.6　多樣性難以定量化
4.7　從負設計到正設計
4.8　注意頻繁命中的分子
4.9　形狀匹配－粗略的過濾步驟
4.10　終極目標：骨架躍遷
4.11　集中庫的化學多樣性評價
4.12　虛擬篩選得到新骨架化閤物的成功實例
4.13　案例分析
4.13.1　Kv1.5離子通道調節劑的設計
4.13.2　從天然産物衍生的組閤庫虛擬篩選發現新型5-脂氧酶抑製劑
4.13.3　大麻素受體CB-1配體骨架的從頭設計
參考文獻
第5章　其它設計要求和機器學習方法
5.1　物理化學和藥物動力學
5.2　五倍律
5.3　藥物動力學
5.4　吸收
5.5　分布
5.6　代謝
5.7　消除
5.8　毒性
5.9　前藥和生物電子等排體
5.10　機器學習方法輔助先導物的發現和優化
5.11　一個重要的步驟：數據縮放
5.12　應用機器學習方法進行化閤物庫設計
5.13　藥效團路綫圖
5.14　案例分析
5.14.1　代謝型榖氨酸受體mGluR變構調節劑的交叉活性預測
5.14.2　多巴胺D3受體拮抗劑和血管緊張素轉化酶ACE抑製劑
5.14.3　用於組閤優化的人工螞蟻係統
參考文獻
附錄：專業詞匯中英文對照
· · · · · · (收起)