藥物發現方法學-研究範式的演化 徐峻 9787030761002 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$1,068
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202310*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：藥物發現方法學-研究範式的演化 ISBN：9787030761002 出版社：科學 著編譯者：徐峻 頁數：300 所在地：中國大陸 *此為代購商品 書號：1586569 可大量預訂，請先連絡。 內容簡介 藥物發現方法學是藥學與其他學科交叉而產生的藥學分支學科，是現代藥物創新必備的工具學科。作者根據自己的親身經歷，從QSAR的歷史沿革、信息技術的變遷、藥物（包括傳統藥物）發現方法和設計方法的各個發展階段、藥物治療理念的幾次躍遷的角度，由淺入深地介紹藥物發現方法學的內容、方法和應用，著重介紹了人工智慧輔助藥物發現與設計的底層邏輯和最新進展。作者是中山大學藥學院教授，既是人工智慧輔助藥物發現與設計（AIDD）的程序員和架構師，又是經驗豐富的創新藥物的設計者及藥物篩選與機理研究實驗室的實驗者。因此，總能把讀者帶回到藥物發現者的視野，使其關注藥物發現的最終要解決的問題。 本書適合作為本領域大專院校的教學和科研參考書，也適合作為生物醫藥領域的科研專家和所有對藥物創新有興趣的管理者的參考書。作者簡介 徐峻，中山大學教授，藥物分子設計研究中心主任。英國皇家化學會會士。人工智慧、圖論演算法和藥學專家。中國科學技術大學理學博士。完成在澳大利亞國立大學和加拿大McGill大學的博士后研究后，歷任勃林格殷格翰（Boehringer Ingelheim）製藥公司北美研發中心藥物設計負責人、BIO-RAD薩特勒實驗室研發部總監，BioFocusDPI製藥公司研發總監。20世紀80年代末起，一直在科研第一線工作，發表幾十項人工智慧和圖論演算法，並應用於藥物合成設計、基於靶標和表型的藥物設計以及藥物篩選和先導化合物優化。2009年創建中山大學藥物分子設計研究中心，是抗衰老/抗代謝疾病、抗癌、抗感染類藥物發現領域的專家，擁有授權發明專利30多項。目錄 序一序二 前言 第1章 緒論：從SAR到QSAR 1 1 藥物發現方法與QSAR 1 1 1 藥物發現方法學起源 1 1 2 早期的QSAR方法 1 2 分子結構的表徵 1 2 1 化學子結構的劃分 1 2 2 分子結構的線性編碼 1 2 3 分子描述符 1 2 4 分子結構數據的清洗 1 2 5 分子描述符的選擇與規範化 1 2 6 分子描述符的組合與變換 1 3 QSAR方法的難題與悖論 1 3 1 取代基貢獻的加和性 1 3 2 活性斷崖 1 4 小結 參考文獻 第2章 信息技術的演化 2 1 從CPU、GPU到TPU：硬體的演化 2 1 1 從真空管到大規模集成電路 2 1 2 馮?諾依曼體繫結構 2 2 從LISP到Python：軟體的演化 2 2 1 從指令驅動到過程驅動 2 2 2 從面向結構的程序設計到可視化程序組裝 2 2 3 CPU、GPU與TPU 2 2 4 函數、神經元與馮?諾依曼計算機體繫結構 2 3 從AI到DNN：人工智慧理論與技術的演化 2 3 1 早期AI的重要概念和成就 2 3 2 AI新階段與ANN 2 4 深度學習的底層邏輯 2 4 1 數據的結構 2 4 2 程序設計與計算機語言 2 4 3 AIDD相關的開源工具 2 5 DNN的原理和基本框架 2 5 1 神經元、神經網路與深度神經網路的基本框架 2 5 2 多層感知器 2 5 3 RNN與雙向長短期記憶機制 2 5 4 卷積神經網路與生成對抗網路 2 5 5 變換器與注意力機制 2 6 小結 參考文獻 第3章 藥物發現方法的演化 3 1 藥物發現技術簡史 3 2 中醫藥發現方法學的演化 3 2 1 中藥的四大經典 3 2 2 中藥理論的演化 3 2 3 現代中藥研究的模式 3 3 藥物發現範式的演化 3 3 1 表型藥物發現過程的演化 3 3 2 基於靶標的藥物發現 3 3 3 藥物發現中的分子信息學基本問題 3 3 4 ADMET相關的重要參數 3 3 5 中西藥學的互惠與交融 3 4 小結 參考文獻 第4章 藥物設計方法的演化 4 1 藥物設計的基本原理 4 1 1 分子生物學的中心法則 4 1 2 藥物設計所依據的基本物理模型 4 2 小分子模型的演變 4 2 1 從化學式到拓撲結構 4 2 2 從拓撲結構到幾何結構 4 2 3 從幾何結構到分子構象 4 2 4 從化學合成到分子組裝 4 2 5 從分子組裝到分子機器 4 3 蛋白質模型的演變 4 3 1 蛋白質分子的一級結構 4 3 2 蛋白質分子的二級結構 4 3 3 蛋白質分子的三級結構 4 3 4 蛋白質分子的四級結構 4 4 從靜態結構到動態結構 4 4 1 藥物分子對靶標的調控 4 4 2 分子的動態識別 4 5 小結 參考文獻 第5章 大數據與藥物發現 5 1 藥物發現領域的大數據來源 5 1 1 高通量科學實驗產生的數據 5 1 2 高性能計算模擬實驗產生的數據 5 1 3 科技文獻和醫藥衛生服務信息化產生的數據 5 1 4 生物大數據帶來的主要機遇與挑戰 5 1 5 生物大數據分析的工具 5 2 精準醫療與大數據 5 2 1 常規藥物治療與精準治療 5 2 2 大數據在精準醫療中的應用 5 2 3 與精準醫學和大數據相關的倫理問題 5 3 大數據與虛擬藥物篩選 5 3 1 早期的虛擬篩選 5 3 2 基於共識的虛擬篩選 5 3 3 迭代式虛擬篩選 5 3 4 虛擬篩選與HTS的整合 5 4 小結 參考文獻 第6章 人工智慧輔助藥物發現與設計 6 1 AIDD概論 6 1 1 AI在化學與藥物設計中的應用簡史 6 1 2 AI在藥物靶標發現與確認中的應用 6 1 3 AI在先導化合物的發現中的應用 6 1 4 AI在先導化合物的優化設計中的應用 6 1 5 AI在臨床試驗設計中的應用 6 2 AI與因果關係和統計關係 6 2 1 變數之間關係的類型 6 2 2 神經網路與信息變換 6 2 3 DNN與間接關係 6 2 4 RNN與雙向關係 6 2 5 RNN與遞歸現象 6 2 6 分子結構信息的傳遞與長短期記憶機制 6 2 7 CNN與模式信號增強 6 2 8 圖神經網路與圖卷積網路 6 2 9 生成對抗網路與競爭過程的模擬 6 2 10 變換器與注意機制 6 2 11 從BERT到ChatGPT 6 3 AI與蛋白質三維結構的從頭預測 6 3 1 蛋白質結構預測簡史 6 3 2 驅動蛋白質摺疊的物理因素 6 3 3 蛋白質同源性與基於實驗數據的結構預測 6 3 4 同源建模的一般過程 6 3 5 AlphaFold2的成功經驗 6 3 6 尚未解決的蛋白質結構預測問題 6 4 GPT對藥物發現與設計思路的顛覆 6 4 1 靶標的發現和鑒定 6 4 2 藥物分子的自動生成與虛擬藥物篩選 6 4 3 AIDD的任務類型與演算法的架構選擇 6 5 小結 參考文獻 第7章 藥物治療學與藥物發現學的演化 7 1 化學療法的演化 7 1 1 天然藥物療法 7 1 2 芳香療法 7 1 3 化學合成藥物療法 7 2 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
