计算药剂学 制药4 0中的人工智能和建模-计算药剂学——制药4 0中的人工智能和建模 pdf下载

计算药剂学——制药4.0中的人工智能和建模

欧阳德方 编

开本:16

ISBN：9787122468628

化学工业出版社

内容简介

《计算药剂学：制药 4.0中的人工智能和建模》全书共 17章，主要内容包括：计算药剂学简介（第 1章）、人工智能在药物递送领域的机遇与挑战（第 2章）、药剂学计算资源（第 3章）、干粉吸入给药方式的计算机数值模拟技术（第 4章）、药物递送中的分子模拟（第 5章）、固体制剂 3D结构研究（第 6章）、基于非平衡热力学模型研究药物及制剂的溶解机制（第 7章）、PBPK建模在制剂开发中的应用（第 8章）、药物递送中的分子建模（第 9章）、基于树枝状聚合物的递送技术与计算药剂学的结合及其在纳米医学时代的潜力（第 10章）、人工智能与计算建模在经口吸入药物研发中的应用（第 11章）、使用 3D打印技术的数字处方开发（第 12章）、专家系统在药物处方工艺设计中的研究与应用（第 13章）、固体片剂药物生产工艺研发及其多尺度模型（第 14章）、药物开发中的机器学习（第 15章）、生物医药专利大数据分析及应用（第 16章）以及模型引导的药物研发监管要求与思考（第 17章）。
《计算药剂学：制药 4.0中的人工智能和建模》可为制药领域研究人员、高等院校相关专业研究生和本科生提供将人工智能和多尺度模拟技术应用于药物制剂研究的一个全景概貌。

作者简介

欧阳德方，澳门大学中华医药研究院和健康科学学院公共卫生和医药管理学系副教授，PI，博士生导师。 欧阳德方教授具有药剂学和计算机科学的多科学背景，兼具工业界和学术界的丰富经验。他于沈阳药科大学药物制剂专业获得学士学位（2000年）和硕士学位（2005年）。2010年在澳大利亚昆士兰大学药学院获博士学位，博士论文获校长奖。2011年1月起在英国阿斯顿大学药学系任药剂学讲师（PI）。2014年11月起加入澳门大学任教（PI）。 自2011年起，欧阳教授先锋性地将人工智能、大数据和多尺度模拟技术联合用于药物制剂研究，开创了“计算药剂学”研究方向，构建了药物制剂人工智能平台（FormulationAI），并在Journal of Controlled Release, Chemical Engineering Journal, Acta Pharmaceutica Sinica B, Drug Discovery today, Carbohydrate Polymers等SCI杂志发表论文90余篇，国内外学术邀请报告100多次。应邀担任国际药学期刊In Silico Pharmacology主编、Drug Delivery and Translational Research副主编和编委（Asian Journal of Pharmaceutical Sciences, Pharmaceutical Research, Pharmaceutics, Journal of Pharmaceutical Science）。

前 言

当前药物开发高成本、长周期、低成功率的问题驱使制药科学家们思考如何提高药物开发效率。过去十年间制药行业的数字化转型浪潮为提高药物开发效率带来了新的机会。自 2011年起，我们将人工智能和多尺度模拟技术用于药物制剂研究，开拓了“计算药剂学”这一新的研究领域。
2015年，我们编写了本领域第一部专著《Computational Pharmaceutics》，得到了广泛关注和好评。近十年来，计算药剂学领域迅猛发展并广泛应用于制药产业界。为了回应国内外广大读者的期待，我们自 2021年起着手编著英文版《Exploring Computational Pharmaceutics：AI and Modeling in Pharma 4.0》，并于 2024年 8月正式出版，与此同时，我们进行了中文版《计算药剂学：制药 4.0中的人工智能和建模》编写工作，相较于第一部专著，本书在广度和深度上有明显的提升。
在本书中，我们探讨了计算药剂学的最新进展，包括人工智能和机器学习在药物制剂中的应用、多尺度建模在药物递送中的应用，以及这些技术在药物开发全生命周期的整合。在此，我们要向为本书作出贡献的合作者表示诚挚的感谢，并感谢化学工业出版社长期以来的支持和帮助。我们希望本书能成为制药领域科学家、学生和专业人士的宝贵资源，并期待本书能激励国内计算药剂学领域的进一步发展。
计算药剂学是一个全新且迅速发展的领域，因作者水平和经验的限制，书中难免存在疏漏，恳请读者给予批评和指正，并希望在未来的再版中进行修正。
欧阳德方
2024年10月

目 录

第1章 计算药剂学简介 001
1.1 药剂学研究现状 002
1.2 什么是计算药剂学？ 004
1.3 关于本书 006
参考文献 007
第2章 人工智能在药物递送领域的机遇与挑战 009
2.1 引言 010
2.2 机器学习算法 012
2.2.1 线性模型 014
2.2.2 人工神经网络 014
2.2.3 深度学习 014
2.2.4 遗传算法 015
2.2.5 模糊神经网络 016
2.2.6 支持向量机 016
2.2.7 决策树 016
2.2.8 集成学习 017
2.3 机器学习在药剂学中的应用 017
2.3.1 速释片剂 022
2.3.2 硬明胶胶囊 023
2.3.3 口服缓释制剂 023
2.3.4 乳液、微乳液和纳米乳液药物递送系统 024
2.3.5 水凝胶经皮给药系统 025
2.3.6 纳米药物递送系统 025
2.3.7 固体分散体 028
2.3.8 环糊精 028
2.4 大模型在药物发现和药物开发领域的应用 029
2.4.1 下游药物发现与开发任务的语言模型预训练 029
2.4.2 多任务学习和多性质预测的预训练在药物发现与开发领域的应用 030
2.5 人工智能在临床与精准医学领域的应用 032
2.6 机遇与挑战 033
2.7 总结 035
参考文献 035
第3章 药剂学计算资源 043
3.1 计算药剂学的概念 044
3.2 计算药剂学数据库 045
3.2.1 数据库技术推动药物制剂领域快速发展 045
3.2.2 药剂学数据库资源 046
3.3 药物制剂计算平台资源 050
3.3.1 人工智能推动药物剂型快速研发和评价 050
3.3.2 计算药剂学中的人工智能模型 051
3.3.3 计算平台/ 网络服务器 055
3.4 数据库和计算平台的实现方法 058
3.5 总结 060
参考文献 061
第4章 干粉吸入给药方式的计算机数值模拟技术 063
4.1 引言 0
4.2 离散元法 065
4.3 颗粒团聚模拟 066
4.3.1 仅药物颗粒团聚体的形成 066
4.3.2 基于载体的团聚体的形成 067
4.4 颗粒团聚体解聚模拟 068
4.4.1 空气动力学力引起的解聚 068
4.4.2 机械冲击引起的解聚 069
4.5 DPI 中颗粒沉积模拟 071
4.5.1 装置尺度上的DEM-CFD 模拟 071
4.5.2 CFD-DPM 雾化建模 072
4.6 总结 073
参考文献 074
第5章 药物递送中的分子模拟：一项聚合物保护修饰的案例研究 079
5.1 引言 080
5.1.1 前药和纳米医学：缓解药物递送中的平衡作用 080
5.1.2 药物递送中的聚合物 082
5.1.3 机制阐释：制药学中的生物物理学范式 087
5.1.4 分子动力学模拟：一种机制阐释的工具 088
5.2 聚合物在药物递送中的分子动力学 模拟 094
5.2.1 基于脂质的体系 094
5.2.2 基于聚合物的体系 099
5.2.3 基于蛋白质的体系 114
5.2.4 无机纳米颗粒 119
5.3 结论 124
参考文献 125
第6章 固体制剂3D 结构研究 151
6.1 引言 152
6.2 固体制剂的结构与研究方法概述 152
6.2.1 固体制剂的结构 152
6.2.2 固体制剂结构的研究方法 153
6.3 同步辐射X 射线显微断层扫描成像技术 154
6.4 基于SR-μCT 的三维结构重建 155
6.4.1 样品的制备 155
6.4.2 图像采集和三维重建 157
6.4.3 模型构建与分析 158
6.5 三维可视化和定量表征 159
6.5.1 颗粒和颗粒系统的微观结构 159
6.5.2 固体剂型的静态结构和材料分布 162
6.5.3 亲水性基质片的动态结构 1
6.5.4 渗透泵片的动态结构 166
6.6 展望 174
参考文献 174
第7章 基于非平衡热力学模型研究药物及制剂的溶解机制 179
7.1 引言 180
7.2 理论基础和模型 182
7.2.1 相平衡和化学势 182
7.2.2 化学势梯度模型 183
7.2.3 统计速率理论 184
7.2.4 微扰- 统计缔合流体理论（PC-SAFT） 185
7.2.5