• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Структурная биоинформатика и моделирование лекарств

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
7
Кредиты
Статус:
Курс обязательный
Когда читается:
2-й курс, 1, 2 модуль

Преподаватель

Программа дисциплины

Аннотация

Курс посвящен введению в структурную биоинформатику, методы моделирования структуры и динамики биополимеров и низкомолекулярных веществ, основы хемоинформатки, основы квантовой химии и вычислительные методы по разработке биологически активных молекул.
Цель освоения дисциплины

Цель освоения дисциплины

  • Познакомить студентов с основными понятиями методами анализа в структурной биоинформатики и методами молекулярного моделирования.
  • Дать общую картину достижений и проблем современной вычислительной структурной биологии.
  • Познакомить студентов с подходами моделирования и симуляции сложных молекулярных систем биологического и медицинского значения.
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать основные термины и теории в области структурной биоинформатики
  • Уметь описывать решение научных задач и формулировать результаты
  • Владеть фундаментальными понятиями из вычислительной структурной биологии
  • Понимать основные приближения используемые в молекулярном моделировании
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Моделирование структуры белков. Методы предсказания структуры из первых принципов.
    Методы Монте-Карло. Методы предсказания структуры из первых принципов. Сравнительное моделирование. Построение и развитие модели. Самосборка и денатурация структуры белка. Задание для самостоятельной работы: Построить модель для предложенного белка.
  • Поиск новых биоактивных молекул и химоинформатика Молекулярное моделирование для поиска лекарств.
    Молекулярный докинг. Молекулярные дескрипторы. Количественное описание структура- активность. Определение и использование 3D фармакофора.
  • Молекулярные дескрипторы. Количественное описание структура-активность. Определение и использование 3D фармакофора.
    Задание для самостоятельной работы: Предсказание активности низкомолекулярных соединений в отношении данного белка.
  • Молекулярная механика. Молекулярная динамика.
    Поиск новых био-активных молекул и химоинформатика. Квантовая химия. Главные особенности молекулярно механических силовых полей. Потенциалы взаимодействий через ковалентные связи. Типы силовых полей. Электростатические взаимодействия. Ван дер Ваальсовы взаимодействия. Параметры для описания воды. Создание силового поля Задание для самостоятельной работы: разбор. построения поля GAFF. Простые модели. Создание системы и запуск молекулярной динамики. Динамика с ограничениями. Молекулярная динамика при постоянном давлении и температуре. Введение эффектов растворителя. Конформационные изменения. Гибридый метод QM/MМ. Сканирование фазового пространства, Plumed. Задание для самостоятельной работы: Сравнение алгоритмов для поддержания постоянной температуры. Моделирование: самосборки липидного бислоя, термической денатурации ДНК, химической денатурации пептида.
Элементы контроля

Элементы контроля

  • неблокирующий Контрольная работа
    Выполнение контрольного задания , 90 минут
  • неблокирующий Домашнее задание
  • неблокирующий Экзамен
    Устный экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.25 * Домашнее задание + 0.25 * Контрольная работа + 0.5 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Stocker, U. (2000). Computer simulation of biomolecules: investigation of molecular environment and simulation parameters. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.5D5ADC5E

Рекомендуемая дополнительная литература

  • Aruna Rajan, Peter L Freddolino, & Klaus Schulten. (2010). Going beyond clustering in MD trajectory analysis: an application to villin headpiece folding. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.201D464F
  • Brian Kuhlman, Gautam Dantas, Gregory C. Ireton, Gabriele Varani, Barry L. Stoddard, & David Baker. (n.d.). 1364 RESEARCH ARTICLES Design of a Novel Globular Protein Fold with Atomic-Level Accuracy. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.664C00E5
  • Cooper, S., Khatib, F., Treuille, A., Barbero, J., Lee, J., Beenen, M., … Players, F. (2010). Predicting protein structures with a multiplayer online game. Nature, 466(7307), 756–760. https://doi.org/10.1038/nature09304
  • Cooper, S., Khatib, F., Treuille, A., Barbero, J., Lee, J., Beenen, M., … Popović, Z. (2010). Predicting protein structures with a multiplayer online game. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.236B23BB
  • Davies, M., Leach, A., & Riley, F. (2018). An investigation into drug partitioning behaviour in simulated pulmonary surfactant monolayers with associated molecular modelling. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.86C68218
  • Freddolino, P. L., & Schulten, K. (2009). Common Structural Transitions in Explicit-Solvent Simulations of Villin Headpiece Folding. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.45A9AEF9
  • Freddolino, P. L., Liu, F., Gruebele, M., & Schulten, K. (2008). Ten-Microsecond Molecular Dynamics Simulation of a Fast-Folding WW Domain. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.607A509B
  • Freddolino, P. L., Liu, F., Gruebele, M., & Schulten, K. (2008). Ten-Microsecond Molecular Dynamics Simulation of a Fast-Folding WW Domain. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.9EFD0CCB
  • Freddolino, P. L., Park, S., Roux, B., & Schulten, K. (2009). Force Field Bias in Protein Folding Simulations. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.446D7A29
  • Jahnke, W., & Erlanson, D. A. (2015). Fragment-based Drug Discovery : Lessons and Outlook. Weinheim: Wiley-VCH. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1107229
  • Leimkuhler, B. (2006). New Algorithms for Macromolecular Simulation. Berlin: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=156588
  • Limongelli, V., Bonomi, M., & Parrinello, M. (2013). Funnel metadynamics as accurate binding free-energy method. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.715FB226
  • Rajan, A., Freddolino, P. L., & Schulten, K. (2010). Going beyond Clustering in MD Trajectory Analysis: An Application to Villin Headpiece Folding. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.6BD91805