高通量虛擬篩選(HTS)與藥物先導(dǎo)物的發(fā)現(xiàn)課件

高通量虛擬篩選

與藥物先導(dǎo)物的發(fā)現(xiàn)連智慧高通量虛擬篩選

與藥物先導(dǎo)物的發(fā)現(xiàn)連智慧1主要內(nèi)容高通量虛擬篩選策略與方法高通量虛擬篩選應(yīng)用實(shí)例基于藥效基團(tuán)的數(shù)據(jù)庫搜尋基于分子對接的虛擬篩選方法高通量虛擬篩選的一般流程虛擬篩選在先導(dǎo)化合物發(fā)現(xiàn)中的應(yīng)用主要內(nèi)容高通量虛擬篩選策略與方法高通量虛擬篩選應(yīng)用實(shí)例基于藥2需要區(qū)分的三個(gè)概念高通量篩選虛擬篩選高通量虛擬篩選需要區(qū)分的三個(gè)概念高通量篩選虛擬篩選高通量虛擬篩選3高通量虛擬篩選策略與方法分子識別：大部分藥物通過與特定的酶或受體等靶標(biāo)結(jié)合而起作用，這種結(jié)合就叫做分子識別最通常的例子是酶與底物、激素與受體、配體與受體以及抗原與抗體等之間的結(jié)合配體與受體的識別理論是虛擬篩選，甚至整個(gè)藥物設(shè)計(jì)方法的基礎(chǔ)高通量虛擬篩選策略與方法分子識別：大部分藥物通過與特定的4基于小分子的結(jié)構(gòu)—反映與靶標(biāo)分子互補(bǔ)的關(guān)鍵結(jié)構(gòu)特征

—間接反映小分子與靶標(biāo)的作用高通量虛擬篩選策略與方法基于分子對接進(jìn)行的虛擬篩選

基于藥效團(tuán)進(jìn)行的虛擬篩選基于受體的結(jié)構(gòu)——直接反映小分子與靶標(biāo)的結(jié)合基于小分子的結(jié)構(gòu)—反映與靶標(biāo)分子互補(bǔ)的關(guān)鍵高通量虛擬篩5高通量虛擬篩選策略與方法高通量虛擬篩選策略與方法6高通量虛擬篩選策略與方法基于藥效基團(tuán)的數(shù)據(jù)庫搜尋藥效基團(tuán)通常是那些可以與受體結(jié)合點(diǎn)形成氫鍵相互作用、靜電相互作用、范德華相互作用和疏水相互作用的原子或官能團(tuán)藥效基團(tuán)連同其空間關(guān)系稱為三維藥效基團(tuán)。三維藥效基團(tuán)模型的構(gòu)建方法一般有兩種：通過對一組具有生物活性的化合物進(jìn)行結(jié)構(gòu)活性關(guān)系的分析，找出其相同的特征結(jié)構(gòu)來建立的通過對活性化合物與其靶標(biāo)的復(fù)合物晶體結(jié)構(gòu)進(jìn)行分析來得到三維藥效基團(tuán)模型高通量虛擬篩選策略與方法基藥效基團(tuán)通常是那些7高通量虛擬篩選策略與方法評價(jià)方法費(fèi)用函數(shù)NullcostFixcostTotalcost得到藥效基團(tuán)模型后，即可將其作為提問結(jié)構(gòu)的模板，對小分子化合物數(shù)據(jù)庫進(jìn)行搜尋，篩選出符合藥效基團(tuán)要求的分子，在虛擬篩選里，即認(rèn)為這些符合要求的分子就是高活性的分子。然后再對由藥效基團(tuán)確定的化合物進(jìn)行藥理測試基于藥效基團(tuán)的數(shù)據(jù)庫搜尋CatScramble——confidencelevel交叉驗(yàn)證測試集的驗(yàn)證高通量虛擬篩選策略與方法評價(jià)方法費(fèi)用函數(shù)Nullcost8高通量虛擬篩選策略與方法基于藥效基團(tuán)的數(shù)據(jù)庫搜尋基于藥效團(tuán)的虛擬篩選的一般流程高通量虛擬篩選策略與方法基基于藥效團(tuán)的虛擬篩選的一般流程9高通量虛擬篩選策略與方法基于分子對接的虛擬篩選方法首先要建立大量化合物（靶標(biāo)生物大分子和小分子）的三維結(jié)構(gòu)數(shù)據(jù)庫，然后將庫中的分子逐一與靶標(biāo)分子進(jìn)行“對接”，通過不斷優(yōu)化小分子化合物的位置和構(gòu)象尋找小分子化合物與靶標(biāo)大分子作用的最佳構(gòu)象，并對其進(jìn)行打分。在庫中所有分子均完成對接計(jì)算之后，即可從中找出與靶標(biāo)分子結(jié)合的最佳分子（前50名或前100名）。要求庫中的化合物具有足夠的分子多樣性高通量虛擬篩選策略與方法基首先要建立大量化合10高通量虛擬篩選策略與方法基于分子對接的虛擬篩選方法現(xiàn)在應(yīng)用于分子對接的打分函數(shù)基于回歸的參數(shù)基于知識的打分函數(shù)——根據(jù)已知復(fù)合物結(jié)構(gòu)，計(jì)算作用力統(tǒng)計(jì)值基于力場的打分函數(shù)——以分子間作用力表達(dá)，忽略熵變應(yīng)用較普遍一致性打分——以不同方法分別打分，統(tǒng)計(jì)出打分值排名對于以虛擬篩選為目的的打分函數(shù)，能夠區(qū)分活性化合物和非活性化合物是最重要的，并無必要正確的對活性化合物進(jìn)行排序不同的打分函數(shù)應(yīng)用于不同的體系，對不同體系的效果并不相同高通量虛擬篩選策略與方法基現(xiàn)在應(yīng)用于分子對接的打分函數(shù)基于回11高通量虛擬篩選策略與方法基于分子對接的虛擬篩選方法改進(jìn)之處——降低假陽性問題分子對接需要改進(jìn)的地方有三個(gè)方面：打分函數(shù)、考慮生物大分子柔性和溶劑化效應(yīng)打分函數(shù)是不考慮溶劑化效應(yīng)的，或是先產(chǎn)生真空構(gòu)象。然后用一個(gè)包含溶劑化效應(yīng)項(xiàng)的打分函數(shù)進(jìn)行排序現(xiàn)在大部分分子對接程序都考慮小分子的柔性，而把大分子當(dāng)作是一個(gè)剛體，就會限制藥物設(shè)計(jì)的小分子類型對于大分子柔性現(xiàn)有的研究結(jié)果

只考慮生物大分子的側(cè)鏈的柔性對結(jié)構(gòu)沒有改善利用生物大分子不同的靜態(tài)結(jié)構(gòu)來考慮其柔性可能會成為一個(gè)主要的方法，特別是那些引起生物大分子不同結(jié)合構(gòu)象的小分子高通量虛擬篩選策略與方法基改進(jìn)之處——降低假陽性問題分子對接12高通量虛擬篩選策略與方法基于分子對接的虛擬篩選方法基于分子對接的虛擬篩選的一般流程Or同源蛋白模建可以減少計(jì)算量Or軟件轉(zhuǎn)換ABCDADME—約40%失敗高通量虛擬篩選策略與方法基基于分子對接的虛擬篩選的一般流程O13同源蛋白模建法?根據(jù)已知的蛋白質(zhì)三維結(jié)構(gòu)來預(yù)測可能的三維結(jié)構(gòu)——基于知識的預(yù)測?同源蛋白有著相似的來源、相似的結(jié)構(gòu)和生物功能。通過比較蛋白序列的相似性，按同源蛋白的三維結(jié)構(gòu)為模板，構(gòu)建未知蛋白的結(jié)構(gòu)?一般要求同源性在30%以上，特別是在結(jié)合區(qū)域同源性要好同源蛋白模建法14（1）根據(jù)未知蛋白質(zhì)的序列，尋找同源蛋白（2）二重或多重序列對比（3）找出共同的二級結(jié)構(gòu)區(qū)域，構(gòu)建骨架（4）對初始模型作能量優(yōu)化（5）判斷結(jié)構(gòu)合理性同源蛋白模建法步驟：（1）根據(jù)未知蛋白質(zhì)的序列，尋找同源蛋白同源蛋白模建法步驟：15高通量虛擬篩選策略與方法基于分子對接的虛擬篩選方法確定結(jié)合口袋的方法大多數(shù)情況下可以根據(jù)生物大分子與小分子的復(fù)合物結(jié)構(gòu)來確定在沒有復(fù)合物結(jié)構(gòu)的情況下（多數(shù)情況是沒有受體的結(jié)構(gòu)），要根據(jù)生物大分子的結(jié)構(gòu)、功能以及定點(diǎn)突變的實(shí)驗(yàn)結(jié)果，進(jìn)行手動(dòng)確定結(jié)合口袋現(xiàn)在有一些算法（如SiteID），可用以確定生物大分子的結(jié)合口袋高通量虛擬篩選策略與方法基確定結(jié)合口袋的方法大多數(shù)情況下可以16高通量虛擬篩選策略與方法基于分子對接的虛擬篩選方法分子對接—虛擬篩選的核心步驟分子對接利用系統(tǒng)搜尋、禁忌搜索、模擬退火和遺傳算法等將庫中的分子逐一放置在靶標(biāo)生物分子的結(jié)合部位，并通過不斷優(yōu)化小分子化合物的位置、取向以及構(gòu)象，來尋找小分子化合物與靶標(biāo)大分子作用的最佳構(gòu)象，并對其進(jìn)行打分高通量虛擬篩選策略與方法基分子對接—虛擬篩選的核心步驟17高通量虛擬篩選策略與方法基于分子對接的虛擬篩選方法分子對接—虛擬篩選的核心步驟禁忌搜索—模擬退火—遺傳算法是解決搜索問題的一種通用算法搜索算法的共同特征為：①首先組成一組候選解；②依據(jù)某些適應(yīng)性條件測算這些候選解的適應(yīng)度；③根據(jù)適應(yīng)度保留某些候選解，放棄其他候選解；④對保留的候選解進(jìn)行某些操作，生成新的候選解只搜索未訪問過的區(qū)域（已訪問解的禁忌鏈條）—尋找全局最優(yōu)值一般需要105～106步將小分子的熵值設(shè)置在最大，通過不斷降低熵值，尋找最佳構(gòu)象遺傳算法—高通量虛擬篩選策略與方法基分子對接—虛擬篩選的核心步驟禁忌搜18高通量虛擬篩選策略與方法基于分子對接的虛擬篩選方法分子對接的后處理主要是對化合物進(jìn)行ADME/Tox（吸收、分布、排泄以及毒性）評價(jià)，以判斷化合物是否是類藥（drug-like）分子，并過濾掉非類藥分子。根據(jù)5規(guī)則等經(jīng)驗(yàn)規(guī)則和計(jì)算方法，以預(yù)測分子的體積、表面積、偶極矩以及疏水性等物理化學(xué)性質(zhì)，代謝性質(zhì)和毒性等性質(zhì)，先將化合物數(shù)據(jù)庫中的非類藥性分子過濾掉，從而可以節(jié)省虛擬篩選的耗時(shí)高通量虛擬篩選策略與方法基分子對接的后處理主要是19高通量虛擬篩選策略與方法進(jìn)行虛擬篩選的目的使得從選定的子集中比在隨機(jī)挑選出來的化合物中更容易發(fā)現(xiàn)活性化合物（富集率）高通量虛擬篩選策略與方法進(jìn)行虛擬篩選的目的使得從選定的子集中20高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑背景

雌激素手提中于激動(dòng)劑想結(jié)合的關(guān)鍵螺旋被拮抗劑側(cè)位的特征取代基推開雌激素受體—核受體家族中的一種。與激動(dòng)劑結(jié)合以后，配體結(jié)合部位附近的結(jié)構(gòu)會發(fā)生變化，從而促使受體與其識別蛋白結(jié)合。然后轉(zhuǎn)運(yùn)到細(xì)胞核內(nèi)，與DNA結(jié)合調(diào)控基因的表達(dá)與拮抗劑結(jié)合以后，其結(jié)構(gòu)也會發(fā)生變化，但不會產(chǎn)生類似的效應(yīng)。實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌背景雌激素受體—核受體家族21高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑靶標(biāo)生物大分子激動(dòng)劑結(jié)構(gòu)的受體——雌激素受體與雌二醇復(fù)合物的晶體結(jié)構(gòu)拮抗劑形式的受體——雌激素受體與雷洛昔芬復(fù)合物的晶體結(jié)構(gòu)分子對接前——利用InsightⅡ軟件對晶體結(jié)構(gòu)進(jìn)行必要的修飾：加氫，將距離配體1.5nm以內(nèi)的殘基定義為結(jié)合口袋，并進(jìn)行限制性優(yōu)化實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌靶標(biāo)生物大分子激動(dòng)劑結(jié)構(gòu)的受體——雌22高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑小分子數(shù)據(jù)

—MDL公司的ACD-SC數(shù)據(jù)庫的150萬種化合物數(shù)據(jù)庫預(yù)處理校正二維結(jié)構(gòu)，在生理PH條件下進(jìn)行質(zhì)子化處理，計(jì)算理化性質(zhì)二維性質(zhì)過濾，刪除無機(jī)化合物和非類藥性分子。利用MSIConverter軟件將二維結(jié)構(gòu)轉(zhuǎn)化為三維結(jié)構(gòu)通過以上處理得到110萬個(gè)類藥性分子的三維結(jié)構(gòu)加入一些已知的配體（參考活性分子），以測試分子對接是否能從一大批隨機(jī)的化合物中找出已知的活性化合物實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌小分子數(shù)據(jù)數(shù)據(jù)庫預(yù)處理校正二維結(jié)構(gòu)，23高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑選定的子集進(jìn)行虛擬篩選的目的是使得從選定的子集中比在隨機(jī)挑選出來的化合物中更容易發(fā)現(xiàn)活性化合物富集率為取樣中發(fā)現(xiàn)參考化合物的比率與隨機(jī)樣品集合中發(fā)現(xiàn)參考化合物的比率之比實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌選定的子集進(jìn)行虛擬篩選的目的是24高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑分子對接分子對接程序——自制程序PRO-LEADS小分子是柔性的，生物大分子是剛性的采用禁忌搜索打分函數(shù)——采用能量函數(shù)修正——增加一個(gè)長程氫鍵作用項(xiàng)以及關(guān)于配體、受體碰撞和配體張力能項(xiàng)ChemScore輔助描述符——主要增加形狀互補(bǔ)、配體與受體的極性和非極性表面匹配等有關(guān)描述符實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌分子對接分子對接程序——自制程序PR25可以直接預(yù)測結(jié)合自由能打分是基于配體與受體的作用強(qiáng)度，以及結(jié)合對配體的柔性的影響所導(dǎo)致的熵效應(yīng)。配體與受體的相互作用又以氫鍵接觸、親脂接觸以及金屬結(jié)合的幾何構(gòu)型來表征。通過預(yù)先計(jì)算相應(yīng)的網(wǎng)格文件，可以加快虛擬篩選時(shí)的計(jì)算速度高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑分子對接——能量函數(shù)ChemScore可以直接預(yù)測結(jié)合自由能打分是基于配體與受體的作用強(qiáng)度，以及結(jié)26高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑分子對接——結(jié)果

參考活性分子——所預(yù)測的參考分子與雌激素受體的結(jié)合模式與已知的晶體結(jié)構(gòu)數(shù)據(jù)時(shí)一致的

參考分子的測試結(jié)果20個(gè)已知激動(dòng)劑20個(gè)已知拮抗劑實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌分子對接——結(jié)果參考活性分子—27高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑激動(dòng)劑受體對接結(jié)果100萬化合物中，只有1%的結(jié)合能低于-40KJ/mol已知激動(dòng)劑（配體）的結(jié)合能在-33～-46KJ/mol之間類固醇配體結(jié)合能在-41～-46KJ/mol之間，非類固醇配體得分較差根據(jù)預(yù)測的結(jié)合活性可以很好地區(qū)分配體與隨機(jī)挑選的化合物實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌激動(dòng)劑受體對接結(jié)果100萬化合28高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑激動(dòng)劑受體對接結(jié)果已知拮抗劑的結(jié)合能在-44～-62KJ/mol之間，與隨機(jī)化合物區(qū)分度很好100萬化合物中，只有1%的結(jié)合能達(dá)到相似水平實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌激動(dòng)劑受體對接結(jié)果實(shí)例一29高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑虛擬篩選的進(jìn)一步驗(yàn)證在分子對接得分較高的化合物中選出一些進(jìn)行進(jìn)一步的過濾然后排除結(jié)構(gòu)有問題的化合物，激動(dòng)劑最后得到120個(gè)化合物拮抗劑得到37個(gè)化合物實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌虛擬篩選的進(jìn)一步驗(yàn)證在分子對接得分較30高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑虛擬篩選的進(jìn)一步驗(yàn)證用虛擬篩選最后得到的化合物與人的雌激素受體進(jìn)行結(jié)合活性測定實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌虛擬篩選的進(jìn)一步驗(yàn)證用虛擬篩選最后得31高通量虛擬篩選應(yīng)用實(shí)例雌激素受體激動(dòng)劑和拮抗劑測試結(jié)果說明:虛擬篩選可以從各種各樣的結(jié)構(gòu)中找到潛在的激動(dòng)劑和抑制劑實(shí)例一高通量虛擬篩選應(yīng)用實(shí)例雌測試結(jié)果說明:實(shí)例一32高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二背景PTB-1B是發(fā)現(xiàn)糖尿病藥物的重要靶標(biāo)PTB-1B能夠催化水解胰島素受體中的磷酸化絡(luò)氨酸，使得胰島素受體失活，Ⅱ型糖尿病的發(fā)作涉及到PTB-1B的過量表達(dá)PTB-1B有兩個(gè)結(jié)合位點(diǎn)：

具有催化活性的位點(diǎn)沒有催化活性的位點(diǎn)高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二背景PT33高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二部分利用單濃度測試對40萬個(gè)化合物進(jìn)行分析對PTB-1B的抑制活性達(dá)到300μmol/l則認(rèn)為值得進(jìn)行進(jìn)一步的而研究

第一部分：實(shí)驗(yàn)篩選高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二部分34第二部分：虛擬篩選利用分子對接對2.3萬化合物進(jìn)行虛擬篩選對PTB-1B的抑制活性達(dá)到200μmol/l，則認(rèn)為值得進(jìn)行進(jìn)一步的而研究

高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二部分第二部分：虛擬篩選利用分子對接對2.3萬化合物進(jìn)行虛擬篩選高35第三部分：抑制活性測試——IC50測試，一個(gè)化合物的IC50低于100μmol/l，則認(rèn)為它“命中目標(biāo)”高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二部分第三部分：抑制活性測試——IC50測試，高通量虛擬篩選應(yīng)用36高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二部分第四部分：比較高通量篩選和分子對接對兩批活性化合物進(jìn)行多樣性和類藥性分析高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二部分第四37高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二部分第一部分：實(shí)驗(yàn)篩選——單濃度測試第二部分：虛擬篩選抑制活性測試——IC50測試第三部分：第四部分：比較高通量篩選和分子對接高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二部分第一38高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二實(shí)驗(yàn)篩選在40萬個(gè)化合物中，有543個(gè)化合物在300μmol/l濃度能夠明顯抑制PTB-1B單濃度測試抑制活性測試單濃度測試中的543個(gè)化合物中85個(gè)化合物的

IC50介于100μmol/l～1μmol/l之間，命中率為0.021%高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二實(shí)驗(yàn)篩選39高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二

虛擬篩選主要考慮要點(diǎn)：分子是否同時(shí)與晶體結(jié)構(gòu)中的兩個(gè)位點(diǎn)作用，同時(shí)與兩個(gè)位點(diǎn)作用，將有助于提高其活性分子中是否有羧基在選定365個(gè)化合物中，178個(gè)同時(shí)與兩個(gè)位點(diǎn)作用

187個(gè)化合物只于一個(gè)位點(diǎn)作用——889個(gè)分子進(jìn)行分析高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二虛擬篩40高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二

虛擬篩選——抑制活性測試在365個(gè)化合物中，127個(gè)IC50值低于100μmol/l

命中率達(dá)34.8%，

21種化合物的IC50達(dá)到10μmol/l最好的化合物的IC50為1.7μmol/l

高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二虛擬篩41高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二實(shí)驗(yàn)篩選與虛擬篩選的比較分子對接的命中率是高通量篩選的1700倍比較——說明分子對接能夠淘汰那些不大可能抑制PTB-1B的化合物，使得能夠集中力量研究那些比較可能與PTB-1B結(jié)合位點(diǎn)作用的化合物高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二實(shí)驗(yàn)篩選42高通量虛擬篩選應(yīng)用實(shí)例蛋白絡(luò)氨酸磷酸酯酶抑制劑實(shí)例二實(shí)驗(yàn)篩選與虛擬篩選的比較——類藥