請問可以分享簡報嗎？

讲的不是很好，语言表达不好的话可以在内容方面进行优化

以前读过一篇纳米机器人在医疗领域的论文，当时觉得自己把声推进搞明白了，现在听完才发现，具体真的好多细节不是当初想的那么简单。

谢谢！

这些讲述，感觉逻辑思维不是很好，表达也往往词不达意！要改进，才会有流量。

最近在学DimeNet和SphereNet，，感谢分享！

他讲的真好。我是做神外肿瘤的，你们有兴趣做吗

请问这个PPT可以分享一下吗？

最终你们怎么验证？

22:00 Q&A

20:00 你要注意你选择的这100个可能都是一个骨架。那么其实你只是在验证一个系列。那你就会错过其他系列的可能。

02:00 无法通过虚拟筛选得到lead。lead和hit的区别。 06:00 一些文章指出它的lead是从虚拟筛选中得到的。那么就要高度怀疑它真正是从哪里得到的。 19:00 这个时候你就可以做虚拟筛选了。然后你把筛选结果的化合物买回来或者自己合成，去做生物活性测试。

4:00 - 9:00 AF2的能与不能。观点：临床试验的失败也有临床试验部分的原因。不能赖药物结构设计的不好。就是说临床试验的失败由临床试验领域自己的原因。

3:00 并不是只有基于结构才能药物发现。基于表型或者基于其他信息也可以做药物发现。 只不过是给人感觉基于结构的药物发现更容易解释这个药的机制。 4:00 卡托普利（1975BMS)的成功使得基于结构的药物设计深入人心。 伊马替尼（1993诺华）引领激酶药物使用基于结构的药物设计数十年。

沙发 好文要顶

我在研究美国医药股，太难看懂，特来学习!

请问有ppt吗

Dr. Heng is very knowledgeable!

Very informative presentation.

深入浅出。没有一句废话。很受启发, 受益匪浅. 精彩!

节目非常好👍讲者博学多才, 把复杂的东西讲了通俗易懂。水准太高了。关键是什么都懂。 学习到了很多知识。谢谢

这集高

对一个初学者非常有帮助，谢谢

可以不要参杂英文吗 要不全部英文说

视频做的太好了，以后还会做新的吗？

實驗設計的分子預測出來，是不是也要把他們合成出來，藥物合成並不是簡單的事，因為平均也要數月到年來找尋方法合成，這就是藥廠甚至中國共同面對的最困難的事。

感谢分享！

感谢分享！

我是台灣人，我認為藥物篩選和數學很難有關係，除非data庫能建立，倒不如和已FDA批准的藥物，逐步逐步去拆解，如藥物活性分子的pharmaceutical 周圍配位分子長度，鍵長、鍵角、空間配置（通過和相關蛋白質共生成的單晶），看能否被修飾及取代，應該有比較有成功機會。有人說AI可輔助藥物篩選，目前的資料庫都沒有成立下，很難，除非像影像資料，餵AI幾百萬、幾千萬筆資料累加，讓機器判讀，明顯共同的，和不明顯，肉眼無法判斷的超微小差異，這種積成式的原理，比較易成功。但藥物篩選，目前還很難，因為能餵給它的資料庫真的很少。

非常有用

为华裔科学家点赞

上海交通大学的那个师兄叫什么名字来者？我也是交大生命科学的老师，后面有机会认识一下。私聊】

我是外行，但是喜欢这个视频👍

很棒的課程，可惜聲音有點糊

謝謝

8:40 受体的跨膜信号是如何传递的

5:30 gpcr有800个如何下手

4:00 不同的配体。作用是稳定构象状态

Is there any code implementation? please

17:00 同一通路但不同靶标的方案

14:00 19个异构体 有代偿功能 如果只抑制2个那么还是不怎么有效。所以提出问题：本题

11:00 双链断裂 单链断裂 的修复路径与阻断

5:30 所以目的是通过筛选出药物来让癌细胞自身的dna损伤无法修复

4:30 癌细胞不修复也会死亡

3:00 人体每天1万次dna损伤。其中大部分是无意义的。有些有逃逸的不能修复的损伤。

49:00主持人challenge认为共结晶的结构可能比docking更有说服力

45:00 关注突变对药物的作用

43:00 好问题：重要

42:00 并不是模拟动力学过程只是predict酶的活性：这一点很重要

40:00 QA又解释了一遍ppt的结构