专业编程培训机构——完成蜕变以后轻松拿高薪
电话+V：1599997-8052 ，欢迎咨询化学成分数据库有哪些内容，[python实用课程]，[C++单片机原理]，[C#网站搭建]，[Nodejs小程序开发]，[ios游戏开发]，[安卓游戏开发]，[教会用大脑用想法赚钱实现阶层跨越]
一、中国中医药数据库的中药类
中国中药数据库
数据库主题：中药材
数据库类型：事实型
收录范围：是全面介绍中药信息的参考工具型数据库，该数据库收录中药约8173种，综合参考《中华人民共和国药典》、《中药大辞典》、《中华药海》、《中国药材学》、《常用中药成分与药理手册》、《中华本草》等权威工具书及专著，对每味中药进行了性味、归经、功效、主治、用法用量、产地、化学成份、药理作用、毒理学、药材基原、资源分布、栽培或养殖、采集加工、炮制方法、药材鉴别等多方面描述。
著录项目：药名、品名、汉语拼音、拉丁名、英文译名、销售地区、保护品种、中药材基原、动植物形态、动植物资源分布、动植物生态环境、药用动植物的栽培饲养、药材的采收与储藏、药用部位、生药材鉴定、中药化学成分、理化性质、中药化学鉴定、中药有效成分结构式的测定、炮制方法、中药剂型、中药制药工艺、药物作用与药理效应、药代动力学、毒理学、药物筛选、新药的临床评价、实验动物的品种、方剂组成、药物剂量、药物配伍、药性、归经、功效、性味分类、主治、用法用量、用药忌宜、不良反应及治疗、选方、临床运用、各家论述、考证、以及药物应用鉴别。
检索途径：可通过中药的品名、汉语拼音名、英译名、拉丁名、功效、主治、产地、药理作用、化学成份、药材基原、毒理学、用法用量、服用禁忌等途径进行检索。
中国中药药对数据库
数据库主题：中药材临床配伍药对使用
数据库类型：事实型
收录范围：中药药对又称对药，是临床上常用的、相对固定的两味或多味中药的配伍形式，也是中药特有的特殊配伍方法。本数据库收录中医临床常用药对917对，主要编写参考资料为《中医临床常用药对手册》（王立群，学苑出版社）、《中药药对190种》（沈敏南，上海中医药大学出版社）、《中药药对大全》（胥庆华，中国中医药出版社）、《施今墨对药》（吕景山，人民军医出版社）。对每一药对，分别介绍药对名称、性味、归经、功效、主治、作用分类、配伍机制、用法用量、临床应用、药对出处、各家论述、注意事项。
著录项目：药名、性味、归经、功效、主治、作用分类、配伍机制、用法用量、临床应用、药对出处、各家论述、注意事项。
检索途径：可从药对名称、性味、归经、功效、主治、作用分类、药对出处等字段进行查询。
中国中药化学成分数据库
数据库主题：中药化学成分
数据库类型：事实型
收录范围：中国中药化学成分数据库为全面介绍中药化学成分的工具型数据库，共收录相关的中药化学成分14032种，该数据库的编制参考了《植物活性成分辞典》（共三册，中国医药科技出版社，主编：陈蕙芳，副主编：马永华，卞学玮。2001年1月第一版）、《植物药有效成分手册》（人民卫生出版社1986）与《中药有效成分药理与应用》，对每一种化学成分的品名、化学名、理化性质、化学结构、临床应用等方面进行了研究。
著录项目：品名、化学名称、英文名称、异名、理化性质、分子式、化学结构式、立体结构图、来源、药理作用、功效、临床应用、毒性、不良反应、化学成分分类、用途分类、化学号等字段。
检索途径：可从品名、化学名称、英文名称、异名、理化性质、化学成分分类、用途分类、分子量、来源等字段进行查询。
中国藏药数据库
数据库主题：藏药
数据库类型：事实型
收录范围：中国藏药数据库为全面介绍藏药材的参考工具型数据库，共收录包括植物、动物、矿物药材在内的1200余种藏药。该数据库的编制参考了藏医药名著《月王药诊》、《四部医典》、《祖先口述》、《（四部医典）蓝琉璃》、《晶珠本草》等，并综合了近年藏药研究的成果。对每一藏药的介绍涉及其各种命名、基原、形态、资源、性味、用法、考证、临床应用、药理学研究等多个方面。
著录项目：药名、品名、汉语拼音、拉丁名、英文译名、销售地区、保护品种、中药材基原、动植物形态、动植物资源分布、动植物生态环境、药用动植物的栽培饲养、药材的采收与储藏、药用部位、生药材鉴定、中药化学成分、理化性质、中药化学鉴定、中药有效成分结构式的测定、炮制方法、中药剂型、中药制药工艺、药物作用与药理效应、药代动力学、毒理学、药物筛选、新药的临床评价、实验动物的品种、方剂组成、药物剂量、药物配伍、药性、归经、功效、性味分类、主治、用法用量、用药忌宜、不良反应及治疗、选方、临床运用、各家论述、考证、以及药物应用鉴别。
检索途径：可通过药名、品名（藏名）、汉语拼音、拉丁名、英文译名、药用部位、炮制方法、中药剂型、药物配伍、药性、归经、功效、主治等途径进行查询。
蒙药数据库
数据库主题：蒙药
数据库类型：事实型
收录范围：蒙药数据库为全面介绍蒙药的参考工具型数据库，共收录了蒙药421种。该数据库的研制参考了《中华本草》蒙药卷。
著录项目：药名、汉语拼音、蒙药名、别名、考证、中药材基原、动物矿物植物形态、栽培与养殖、采收加工、药材鉴别、化学成分、药理作用、炮制方法、性味、功效、主治、用法用量、注意事项、附方、制剂、药物分类、参考文献、蒙药名出处、参考。
检索途径：可从汉语拼音、蒙药名、别名、性味、功效、主治、用法用量等途径进行查询。
维吾尔药数据库
数据库主题：维吾尔族药
数据库类型：事实型
收录范围：维吾尔族药数据库为全面介绍维药的参考工具型数据库，共收录维药423种。该数据库的研制参考了《中华本草》:维吾尔药卷。
著录项目：药名、汉语拼音、、维药名、别名、考证、中药材基原、动物矿物植物形态、栽培与养殖、采收加工、药材鉴别、化学成分、药理作用、炮制方法、性味、功效、主治、用法用量、注意事项、代用药、附方、制剂、参考文献、维药名出处、参考。
检索途径：可从药名、汉语拼音、、维药名、别名、性味、功效、主治、用法用量等途径进行查询。
苗药数据库
数据库主题：苗族药
数据库类型：事实型
收录范围：苗族药数据库为全面介绍苗药的参考工具型数据库，共收录苗药391种。该数据库的研制参考了《中华本草》苗药卷。
著录项目：药名、汉语拼音、苗药名、苗药拼音、别名、考证、中药材基原、动物矿物植物形态、栽培与养殖、采收加工、药材鉴别、化学成分、药理作用、性味、功效、主治、用法用量、注意事项、附方、制剂、临床研究、维药名出处、参考文献、参考。
检索途径：可从药名、汉语拼音、苗药名、别名、性味、功效、主治、用法用量等途径进行查询。
傣药数据库
数据库主题：傣族药
数据库类型：事实型
收录范围：为全面介绍民族医药傣药的工具型数据库，本数据库研制过程中参考了国家中医药管理局《中华本草》编委会编辑《中华本草傣药卷》，由上海科学技术出版社，2005年12月第一版。1995年1月1日实施。本数据库共有记录400条，字段分别为药名、汉语拼音、傣药名、别名、中药材基原、采收加工、药材鉴别、化学成分、药理作用、性味、功效、主治、用法用量、注意事项、附方、药物分类、参考文献、傣药名与别名出处、参考。
著录项目：药名、汉语拼音、傣药名、别名、中药材基原、动物矿物植物形态、采收加工、药材鉴别、化学成分、药理作用、性味、功效、主治、用法用量、注意事项、附方、药物分类、傣药名与别名出处、参考文献、参考。
检索途径：可从药名、汉语拼音、傣药名、别名、功效、主治、用法用量等途径查询。
瑶药数据库
数据库主题：瑶族药
数据库类型：事实型
收录范围：瑶药数据库为全面介绍瑶药的参考工具型数据库，共收录瑶药967种。该数据库的研制参考了《中国瑶药学》《中华本草》《中药大辞典》《中草药学》等。
著录项目：名称(瑶语译名)、瑶文、别名、来源、形态特征、生态分布、采集加工、性味、功效、传统应用、用法用量、方例、化学成分、药理、化学成分参考文献、药理参考文献、附注等。
检索途径：名称(瑶语译名)、瑶文、别名、性味、功效、化学成分等途径进行查询。
二、化学数据库主要有哪些功能?
化学数据库系统是一个将植物资源，植物化学成分及化学结构的多种信息、数据和图象融为一体的、开和式多功能软件系统，包括植资源检索系统、植物化学成分检索系统及天然产物化学结构检索系统等三个子系统。
化学宇宙数据库：探索药物发现的化学空间
原创2022-02-09 10:02·AIDDPro
一个成功的小分子药物通常需要具备优良的靶标结合特点、较好的选择性、可控的药代动力学特征，以及一定的结构优化空间。为了满足上述特征，需要拥有广阔的化学结构空间基础，且结构可以枚举。基于上述需求，GDB数据库可进行一些前瞻性的药物发现研究，并已在神经递质受体和转运蛋白领域开展了一定的应用工作。01已知的化学空间虽然理论上的化学空间体量非常大，但研究者往往会首先考虑已知的化学空间，尤其是已有报道的有机分子的集合，如下述公众可使用的化学空间，其所属数据库可按结构、名称、生物活性等关键词进行搜索。图1.1已知的化学空间（ACSChemicalNeuroscience）“化学空间”概念的提出，主要是建议以地理地图的形式进行表达，从而描述分子的分布及其特性；为了获得这样的映射，首先需要通过一系列分子描述符分配维度以创建属性空间，如此，每个分子都可以通过使用描述符作为位置坐标存在于这个多维的属性空间中。再之后，通过使用主成分分析（PCA）提取最为相关的维度（PC），从而体现化学空间在维度平面的投影（通常为平面），或使用自组织映射对描述符向量进行分类，该映射由二维网络组成最为相似的向量，故最相似的分子位于节点附近。数千种不同的分子描述符，可以通过任何组合来产生形式上数十到数百个不同维度的属性空间，继而推导出化学空间图。研究者提出了一组42个整数值描述符，称之为分子量子数（MQNs）。MQN计算分子的结构主要包括原子、键类型、极性基团和拓扑特征，可使有机化学领域技术人员在结构式中进行轻松识别。图1.242个分子量子数（MQN）MQN系统定义了一个简单而通用的化学空间来对有机分子进行分类，类似于元素周期系统根据元素的原子数和主量子数对元素进行分类；以（PC2，PC3）平面形式存在的PubChemMQN地图提供了一个代表性示例。图1.3PubChem化学空间（1920万结构）的彩色编码MQN地图（注：HAC~重原子数；PC2~分子刚性；PC3~代表极性）图论研究者Cayley列举的无环支链烷烃是作为研究化学空间的第一次尝试，形成了延伸到图谱西南侧的位置，如肽~无环但更具极性，直接向西延伸；而越来越多的环状和极性寡糖、寡核苷酸分布在地图的西北部和东北部，多环碳氢化合物如类金刚石类结构直接向东延伸，以对应完全环状的分子。生物活性相似的化合物集通常在MQN地图上形成扎堆，如ChEMBL中的一组含有2445个对烟碱型乙酰胆碱受体（nAChR）有活性的配体集中在图的中间右侧部分，对应的是多达30个原子的环状芳香族和杂环芳香族分子。通过使用MQN距离作为选择标准，可有效的收集具生物活性的化合物集；许多由化学结构描述符构建的化学空间，包括二元子结构或药效团指纹空间，可用于进行虚拟筛选，并以相似性相关于距离量度，即最近邻关系。02未知的化学空间虚拟筛选主要是从现有集合中选择化合物，继而将时间和资源集中用于最有潜力分子的实验测试。当然，该方法还可以扩展以节省专门用于有机合成的时间和资源，所以也就产生了探索未知化学空间的想法；并结合从头药物设计思路，试图在合成之前设计出生物活性化合物。从头药物设计，涉及所有可能作为药物的候选有机分子，通常遵循Lipinski“五规则”（Ro5）。Ro5：1）MW≤500Da，2）logP≤5，3）HBA≤10，4）HBD≤5。据估计，如果仅考虑基本结构规则，Lipinski虚拟化学空间可能包含多达1060个化合物，甚至更多；而如果考虑已知片段的组合，一般为1020-1024个分子。所以，很难进行枚举工作。虚拟数据库，最初是为组合化学设计的，辉瑞的研发团队已经使用了这种组合枚举了文献报道的最大虚拟库，即PGVL，成功枚举了大约1012种虚拟分子，这些虚拟分子可从经过验证的反应方案中潜在地合成；同时，还可以将化合物以遗传算法的形式进行虚拟筛选，从而限定为具有确定生物活性的概率最大的化合物，并且形成了迄今为止大部分的从头药物设计方法。除上述的从头药物设计概念外，基于片段的药物设计也是药物发现的重要手段之一。研究者曾报道了对碎片大小的有机分子化学空间的首次详尽列举，产生了多达11个原子的分子GDB-11（2640万化合物）以及13个原子的GDB-13（9.77亿化合物），可列出数据库所有分子的SMILES，还可以使用立体异构体生成器转换为三维立体结构。MQN-maps提供了GDB-13的表达，涵盖数据库从具有不同数量的H键受体原子的无环分子到多环分子，并且主要由杂环和稠合杂环化合物组成。图2.1GDB-13~9.77亿个结构尽管GDB的枚举只考虑了化学稳定以及原则上可合成的官能团和环系统，但许多有机分子对合成领域来说极具挑战。为了进一步解决这个问题，研究者生成了数据库的子集（4370万个分子），去除了部分子结构和官能团，如非芳族碳-碳双键或三键、小环、非芳香性的N-N和N-O键，以及代谢不稳定的基团如醛、环氧化物等。虽然形成了子集，但对于合成来说，还是一项很大的挑战！PS：www.gdb.unibe.ch可获得GDB-13的免费访问。03GDB~配体发现为了将虚拟化学空间与探索真实分子更好的契合，研究者以神经递质受体和转运蛋白药物发现为开发项目进行研究，第一个验证使用的是GDB-11数据库，方向为NMDA受体的甘氨酸位点，选出15000种已知NMDA受体的配体虚拟类似物，使用CORINA将这些配体转化为70000个立体异构体，并使用Autodock3.0.5对接，得到高分部分的1%配体，并进一步选择了23个化合物进行合成和测试，确定了一系列的二肽结构。之后，使用GDB-11枚举了250000种可能的天冬氨酸和谷氨酸类似物，均为谷氨酸转运蛋白GLT-1的底物；使用类似的对接方法，并进行合成、活性测试，发现了μM级别的转运蛋白抑制剂，结构为降冰片烷-天冬氨酸衍生物rac-3及其优化的类似物rac-4。图3.1GDB筛选出的具有μM活性的结构继续应用上述方法，以已知的α7nAChR部分激动剂PNU-282987和SSR180711类似物结构在GDB库中寻找nAChR配体，提取出大量的“二胺”结构，共产生120万个虚拟结构类似物，随机选择其中的70000个配体（6.2%），使用Autodock3.0.5和Glide的对接软件进行对接筛选（PDB结构选择1UW6），对打分最高的1000个分子进一步筛选，最终确定38个配体，并通过评估证明一些配体显示出对受体的显著抑制。图3.2四种抑制剂的活性及抑制特点基于结构的药物发现是上述研究的前提，先通过对接来选择待合成和测试的配体，这种方法的缺点就是仅限于最多对几百万个潜在配体进行打分，大大限制了使用。研究者的下一项研究是致力于测试一种基于配体的虚拟筛选方法，以与GDB-13的近10亿个结构进行兼容。初步的研究表明，在上述的MQN空间中GDB药物最近邻分子使用CBDMQN作为距离量度，通过形状相似性进行打分，以相关药物相似性，从而证明MQN距离测量可能会找到与已知药物活性相近的类似结构。如，烟碱配体，这是一种在GDB-13化学空间内具有12个原子的天然产物，从上述方法讨论的4370万个结构过滤出子集31504个MQN空间最近邻结构中，48个已经报道为ChEMBL中的尼古丁配体，另外的692种化合物在ZINC数据库中存在，61种化合物商业可得，进一步活性测试证实，这些作为μM级别的抑制剂具有一定的竞争/非竞争作用机制。尽管一些化合物不是尼古丁和烟碱类似的激动剂，但对于对接姿势和对接能量而言，已十分相近，这也证明基于对接而非MQN相似性的更复杂的虚拟筛选程序可能会选择出非常接近的潜力化合物。图3.3GDB-13/MQN空间搜索α7nAChR最近邻结构04结论展望综上，可总结以下几点：1）绝大多数可能的分子结构仍然未知，即使是相对较小的分子水平；2）虚拟筛选的运算量和预测能力，仍亟待提升；3）虚拟库对于基于结构的药物设计，助力明显；4）虚拟筛选无疑增加了结构的多样性；5）检索MQN最近邻有助于快速找到相似分子；6）虚拟筛选出的分子，往往存在很大的合成难度。参考文献Jean-LouisReymond*andMahendraAwale.ExploringChemicalSpaceforDrugDiscoveryUsingtheChemicalUniverseDatabase.dx.doi.org/10.1021/cn3000422|ACSChem.Neurosci.版权信息本文系AIDDPro接受的外部投稿，文中所述观点仅代表作者本人观点，不代表AIDDPro平台，如您发现发布内容有任何版权侵扰或者其他信息错误解读，请及时联系AIDDPro(请添加微信号plgrace)进行删改处理。原创内容未经授权，禁止转载至其他平台。有问题可发邮件至pengli@stonewise.cn【WINDRISES EMPLOYMENT PROGRAMMING】尊享对接老板
电话+V：1599997-8052
机构由一批拥有10年以上开发管理经验，且来自互联网或研究机构的IT精英组成，负责研究、开发教学模式和课程内容。公司具有完善的课程研发体系，一直走在整个行业发展的前端，在行业内竖立起了良好的品质口碑。
