计算机辅助药物设计在心血管药物研发中的应用综述

化学 2026-11-23 12 阅读

Zenodo (CERN European Organization for Nuclear Research) · 2026-11-21 · 期刊论文

  • 一句话结论:综述认为CADD可缩短心血管药物研发的时间、成本与实验投入,并支持靶点筛选、分子优化与递送系统设计;证据档位C,为叙述性综述,不足以下结论其实际增效幅度。
  • 研究设计与做法:研究设计为综述:材料未报告系统检索策略、纳入文献数量、样本量、对照设置或随访时长;内容覆盖SBDD、LBDD、分子对接、分子动力学、QSAR、虚拟筛选、药效团建模与ADMET预测。
  • 主要结果:主要结果:材料未报告任何定量效应量、置信区间或p值;仅列举ACE、HMG-CoA还原酶、PCSK9、磷酸二酯酶、β肾上腺素受体与离子通道等靶点,以及药物洗脱支架、药物涂层球囊、脂质体与纳米颗粒等递送系统。
  • 机制或解释:机制或解释:作者将CADD的价值归于减少传统研发的时间与成本,并认为AI/ML整合可改善分子筛选、活性预测、ADMET评估与个体化递送;未讨论具体生物学机制。
  • 局限与边界:局限与边界:作者自述局限包括数据质量、生物复杂性、心血管生理建模困难、算力需求、缺乏标准化,以及必须由体外、体内与临床研究验证;材料未报告利益冲突。
  • 可否落地:可否落地:对科研与早期药物发现具参考价值(证据档位C,提示性);临床决策不能仅凭计算预测,需实验与临床验证,材料未报告具体验证数据。

🔗 打开原文

Sanika Sabale, Prasad Yadav


本文摘自《每日前沿研究简报 · 2026-11-23》「化学信息 / 药物发现」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

评论 共 0 条

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部