陈思远 · Computer-Aided Drug Design

• 针对某激酶靶点，使用AutoDock Vina对15,000个商业化合物库进行高通量虚拟筛选，以结合能阈值（≤ -8.5 kcal/mol）与聚类分析初步锁定127个候选分子，命中率较随机筛选提升约4倍。

• 利用PyMOL对排名前10的候选分子与靶点结合口袋进行精细对接及三维相互作用解析，识别出3个关键氢键位点与2个疏水区域，为先导化合物优化提供结构依据。

• 采用ADMET预测工具（SwissADME、pkCSM）评估候选分子的吸收、分布、代谢、排泄与毒性，剔除17个高肝毒性风险或渗透性差（Caco-2 Papp < 1×10⁻⁶ cm/s）的分子，有效候选池缩减至5个。

• 独立撰写12页虚拟筛选报告，涵盖对接打分分布、关键互作示意图及ADMET风险汇总；向药物化学团队汇报后，其中1个分子被选入后续合成与体外活性验证队列，预计2025年Q2启动测试。

• 针对某靶点蛋白，采用GROMACS与AMBER进行500 ns全原子分子动力学模拟，累计生成2000帧轨迹，为残基分析奠定数据基础。

• 应用MM-PBSA方法计算蛋白-配体结合自由能，识别出6个关键残基（如Leu78、Phe102），其结合贡献占总自由能的34%，明确热点区域。

• 通过氢键驻留率分析，发现Arg45与Asp89的氢键驻留率超过82%，证实该相互作用对蛋白稳定性起主导作用。

• 利用主成分分析与动力学互相关网络，揭示α3螺旋区段与β-loop的协同运动模式，为设计别构抑制剂提供了动态结构依据。

• 模拟轨迹的RMSD稳定在1.8 Å以内，与同源实验晶体结构比对的RMSF吻合度达89%，验证了模拟体系的可靠性。

综合成绩排名年级前10%的学生可获得此奖学金