zinc数据库

㈠ 虚拟筛选常用化合物数据库库推荐

虚拟筛选技术在现代药物研发中扮演关键角色，它通过分子模拟技术从海量有机化合物中筛选可能有效的候选药物，大大减少了新药发现的成本。这一技术已广泛应用于针对重大疾病药物靶标的研究中，从众多化合物数据库中发掘生物活性较高的新颖活性先导化合物。为了提升工作效率和节省成本，选择合适的化合物数据库至关重要。

市面上存在多种小分子化合物数据库，包括ZINC、PubChem、DrugBank、ChEMBL、ChemDB、HMDB、BindingDB、SMPDB等，这些数据库通常包含数十万至百万个化合物，是虚拟筛选的常用资源。在众多数据库中，选择适合自身需求的数据库对于加速药物发现进程具有重要意义。

常用化合物库品牌包括Chemdiv、Enamine、Lifechemicals、Specs、Chembridge、Maybridge、Microsource和Vitas-M、Interbioscreen等。不同品牌的化合物库各有优势与劣势。Chemdiv以其140万库存分子、多样性和每年新增20万以上新分子的能力而着称，其丰富的虚拟筛选子库和快速到货服务受到广泛欢迎。Enamine拥有100万以上库存，乌克兰总部确保多样性，但价格相对较高。Lifechemicals库存充足，库存不足时可快速完成合成，价格适中，虽较晚进入中国市场，但依然被多个研究单位采用。SPEC是最早进入中国市场的小分子库供应商，价格最低，但最近有些研究单位发现其化合物更新不及时，溶解性和多样性有所下降。Chembridge拥有70万种小分子，根据化合物合成的难易程度分为不同类别，价格相应较高。Maybridge虽然只有6万种小分子，但因其定价最高，选择的用户较少，到货周期较长。

各化合物库供应商通常提供优惠政策，即单次购买化合物数量越多，价格越便宜。因此，建议直接使用化合物库公司自己的电子数据，并在单次筛选中尽量选择一个公司的分子库，以避免找不到实体化合物的情况，同时降低化合物单价和运费操作费。

面对虚拟筛选过程中的重复操作，如添加化合物数据库、调整参数或整合多个数据库时的麻烦，药物筛选管理系统（DSMS）应运而生。这款系统提供化合物库资源管理功能，支持商业数据库和私人化合物库的选择，同时提供虚拟筛选及实体筛选数据管理，实现多样化数据的整合。DSMS整合虚拟筛选、实体筛选及化合物资源三大模块，基于相似性原理，帮助用户查找相似化合物进行生物实验验证，并整合筛选过程中的多样化数据。通过内嵌自主研发的impDraw化学结构编辑器，用户可以在系统内绘制及编辑化合物结构或反应式。系统还提供强大的查询功能，支持子结构、精确结构和相似度查询，每秒可检索20万个化学结构。DSMS的虚拟筛选管理功能提供分子拓扑相似和三维形状相似的筛选方法，快速筛选数百万化合物只需几分钟，支持筛选报告的下载和数据批量保存、导出。实体筛选管理功能则提供化合物及其生物活性筛选数据的管理，支持不同层次的药物筛选数据管理，包括分子、细胞、动物水平等，实现筛选信息的便捷存储与快速查询。

虚拟筛选作为新药研发的重要工具，选择合适的化合物数据库和管理系统是关键。药物筛选管理系统作为专业的筛选管理系统，集成虚拟筛选和实体筛选的系统化管理功能，提供丰富的化合物库资源，实现一站式科研数据管理，是加速药物发现进程、提升研发效率的一大利器。通过优化筛选流程和整合多样化数据，DSMS为新药研发提供高效、便捷的解决方案。

㈡ 化学结构式检索在哪个数据库可以实现

化学结构式检索可以在许多数据库中实现，其中最常用的是Chemical Abstracts Service（CAS）数据库。

CAS数据库是一个全球领先的化学品信息提供商，提供了大量的化学物质信息，包括化学名称、分子式、结构式、物性数据等。用户可以通过CAS登记号、化学名称、分子式等多种方式进行检索，并可以获得详细的化合物信息和相关文献。

2、应用于日常生活

化学在我们的日常生活中有很多应用。我们使用的化妆品、清洁剂、消毒剂、药物等都含有化学成分；我们吃的食物也受到化学过程的影响，发酵、烹调、保存等。通过学习化学，我们可以更好地理解这些产品的成分和作用，以及如何正确使用它们以获得最佳效果。化学也可以帮助我们更好地理解环境保护和可持续发展的问题，污染控制、能源利用等。

3、培养解决问题能力

学习化学不仅可以帮助我们更好地理解物质世界和日常生活，还可以培养我们的解决问题能力。化学实验是化学学习的重要组成部分，通过实验我们可以观察和测量化学反应的结果，并使用这些结果来解决问题。我们可以使用化学反应来制备新的物质，或者使用化学反应来检测物质的性质。这些解决问题的方法不仅可以帮助我们更好地理解化学知识，也可以帮助我们在其他领域中解决问题。

㈢ 求助如何在ZINC数据库Asinex供应商那里订购药品

zinc网站上有说明的，看说明，根据自己的需要选择，全部下载是不现实的，除非你电脑比较强劲，计算速度非常快，否则这么多化合物，要计算很久的。

㈣ Schrodinger虚拟筛选案例：FDA批准药物重定位（老药新用）

虚拟筛选技术在药物研发中扮演着重要角色，尤其在“老药新用”策略中，它能快速识别具有特定靶点活性的化合物。本文以美国食品药品监督管理局（FDA）批准的药物为案例，展示如何使用Schrodinger软件进行ALK激酶靶向虚拟筛选。

选取具有清晰药代动力学数据和已知毒性和ADME性质的FDA批准药物作为研究对象，有助于药物从定位发现新的靶标，解释药物的毒副作用，同时，其结构清晰、合成路线可查、购买方便，是理想的筛选对象。本文将带领读者完成一个实际案例，即利用Schrodinger完成ALK激酶的虚拟筛选。

蛋白质处理方面，选用具有高解析精度（1.90 Å）的ALK与克唑替尼复合物结构作为筛选模板。通过使用Schrodinger中的Get PDB功能获取结构。随后，利用Protein Prepare Wizard处理下载的结构，确保结构的完整性与准确性。在分析结合模式时，识别关键氨基酸（Met1199、Glu1197），它们与克唑替尼形成氢键，位于蛋白质的铰链区，通常为ATP竞争性抑制剂的关键位点。在设置对接盒子与作用限制时，基于关键氨基酸进行对接盒子设定，并在氢键限制中指定筛选的化合物需要与这些氨基酸形成氢键。

接着，准备FDA批准的小分子虚拟库，可以利用ZINC数据库或DrugBank数据库获取。虚拟筛选阶段，使用Ligand Dock软件，设置合适的对接方式和氢键限制，运行虚拟筛选过程。筛选结果显示，ZINC11592964与ALK激酶的结合能高（-8.758），其结构与洋红霉素类似物具有较高得分，洋红霉素是一种具有较强抗肿瘤活性的蒽环类抗生素，能够抑制DNA复制和修复，以及RNA和蛋白质合成。进一步检查其与ALK激酶的相互作用，发现与Met1199形成氢键，与Glu1210形成盐桥，与Leu1122也有氢键相互作用。此外，二羟丙茶碱也能与ALK激酶相互作用，其与Met1199形成氢键相互作用，末端的羟基与Arg1253形成氢键，还与水分子相互作用，形成水桥。

本文通过实际案例展示了如何利用Schrodinger软件进行ALK激酶靶向虚拟筛选，识别具有潜在活性的化合物。通过虚拟筛选，我们不仅能够发现可能的活性分子，还能加深对现有药物作用机制的理解，为“老药新用”策略提供科学依据。