化学信息学网络化教学系统的研制

本文介绍了化学信息学的基本概念与基本内容 ,并重点介绍了我们建立的基于Internet的网络化教学系统。该系统包括课堂教学系统、作业系统以及教学需要的其他内容 ,由HTML文件构成 ,可通过浏览器 (Netscape或InternetExplorer等 )直接调用 ,用于化学信息学课程的教学工作。     

化学信息学发展现状

本文叙述了目前化学领域的发展热点之一——化学信息学（Chemoinformatics)的发展概况,从信息学角度对其产生、成长及未来发展趋势进行了探讨。     

大学本科化学信息学课程的设计与优化

在分析了化学信息学课程基本内容与特点的基础之上,结合近年来我院相关课程的教学改革与实践,提出了大学化学信息学教学的两个层次;重点探讨了本科生化学信息学课程体系的设计与优化,为推进化学信息学教学改革抛砖引玉。     

化学信息学的涵义及教育

化学信息学是近年来发展起来的新学科 ,它的产生与发展是基于化学信息量指数般增长 ,特别是组合化学及高通量筛选的迅速发展。组合化学方法能像搭积木块一样快速合成及制备大量的化合物。一个组合化学库包括数百个至数十万个化合物 ,为药物开发提供丰富的化合物源。高通量筛选能达到 1× 1 0 4～ 1× 1 0 5 个化合物 /天。组合化学及高通量筛选为药物研制提供新的技术支柱 ,同时也为化学信息学的产生与发展提供良好的机遇。　　人类基因组计划为药物开发与疾病的治疗提供众多的新靶标。据 1 996年统计用于药物研制的靶标有 483个分子靶 (其…     

化学信息学与生物信息学开放性比较

通过对化学信息学与生物信息学在公共资源、数据文件格式、软件编程语言、科学文献与教材等诸方面的比较与分析,指出生物信息学的成功因素在于其开放性;与之相比,虽然高等学校、研究所等教育科研领域和商业公司（特别是药物研发公司）都发布了不少化学信息学开源或自由软件以及一些开放数据,但化学信息学仍然由于各种原因使得开放性不足。有鉴于此,国内建立了化学化工资源导航系统,启动了《计算化学e-science研究以及示范应用》等国家自然科学基金重大项目。在教育、教学方面也应继续改革,使化学信息学能真正适应和促进当前药物发现研究。     

化学计量学/信息学助推化学与分析测试科学研究范式转换

该文回顾了科学研究范式的形成并讨论了化学与分析测试科学的相关发展历程。实验科学向理论科学演进实际是现代科学的形成过程,对化学而言是一个困难的数学化进程,直到第三即计算科学范式形成,化学的现代科学地位才得以确定。分析化学或分析测试科学发展过程中遇到类似的问题,化学计量学/信息学在助推其完善分析化学“数学化”进程的同时,也能够挖掘更多有效信息。随着现代分析仪器的快速发展和数据海啸的到来,化学计量学/信息学作为成熟的化学学科分支和有力“武器”,正在协助并推动化学和分析测试科学步入第四即“数据密集型”的科学新范式。该文以作者实验室的研究工作为基础,论述了化学计量学/信息学助力推动化学与分析测试科学研究范式的转换过程中的相关进展,并对未来的研究动向进行了展望。     

高分子化学创新教学与一流课程建设

基于学情分析与独立思考,根据提高人才培养质量需要,在"以学生为中心、注重学生兴趣与能力,特别是可持续发展能力及创新能力培养"的教学思想指导下,针对高分子化学课程教学过程中的一些重点、难点、"痛点"问题,以及学生学习过程存在的一些短板问题,包括高分子化学课程特有的问题,所有工科专业课程共有的问题,以及所有大学课程都有的问题等,从"革新思想、优化内容、改进方法、更新手段、加强综合、增进渗透"等方面系统性地进行创新教学实践,取得了一系列成果,并将课程建设成为省级一流课程.     

化学信息学综合实践教学设计探索*

实践教学在化学信息学教学中占有重要地位,目前化学信息学实践教学以上机教学为主。新时期下,化学信息学综合实践教学作为原本上机教学的有力补充,是提升化学信息学教学效果、完善化学本科人才培养体系的重要环节。阐述了化学信息学综合实践教学的要点,并通过实际教学案例讲解了实施细节,同时通过问卷反馈评估了实施效果。     

超分子化学课程建设与教学实践

超分子化学的教学在吉林大学已经开展了20多年,与超分子结构与材料国家重点实验室的科研工作相辅相成。通过对吉林大学超分子化学课程的开设目的、教学内容设计及参考书和教学方法及模式这3个方面的介绍,展现了超分子化学课程在吉林大学化学学院的建设与教学实践。这门课程的开设,使学生了解了超分子化学的历史,掌握了超分子化学的基本概念和主要研究方向。同时,介绍科学研究的目的和思维方法,培养了学生对于科学研究的兴趣。     

Internet推动的化学信息学重要进展*

Internet的普及为专业人员获取数据信息、利用计算工具提供了统一的平台,由此为化学信息学的发展带来了新的空间,推动了化学信息学以网络为基础,以化学相关的数据、信息及计算资源共享为目标的快速发展。本文将从不同侧面回顾近10年来化学信息学的重要进展, 包括：(1) 网络化学信息检索：索引对象从化学浅层网向化学深层网发展;检索工具从Web化学信息资源导航向化学专业搜索引擎(包括文本信息和化合物标识信息)、及化学深层网检索引擎 (化合物物性数据提取)发展;索引粒度从Web站点向页面、乃至页面中的特定内容发展,一般页面特定内容的数据提取(即非结构化数据提取)是未来发展的方向。(2)可共享的化学数据库：从可免费访问和使用的化学数据库向数据库内容通过集成多来源数据(包括数据库拥有者主动收集、多来源数据主动提交达到共享的方式,repository)实现数据库内容免费下载和共享,以及不同数据库之间的相关内容实现无缝连接的方向发展(如NIH建成的药物小分子共享数据库PubChem)。(3) 开源(open source)化学软件工具包：从化学结构基本处理模块如CDK、JOELib向集成开发环境如化学信息学与生物信息学集成环境Bioclipse发展。(4) 与化合物及其数据共享相关的推荐标准：包括用于共享数据交换的化学标记语言CML、IUPAC推荐的学术论文相关热力学实验数据提交标准ThermoML及化合物结构唯一描述码InChI。(5) 计算化学资源共享及基于网格的应用：从可执行程序的下载向在线计算、基于网格的应用发展。(6) eChemistry和虚拟研究环境：网络也成为化学相关日常的科学活动中不可缺少的平台。构建以网络为平台、支持开展科研活动的数字化基础设施和服务的eChemstry探索开始出现,根据需要自主集成多来源数据和计算资源,形成不同层次的支持协同工作的虚拟研究环境是未来数据和计算资源共享方式的发展方向。     

Schrödinger药物虚拟筛选流程模块在大学生物和化学信息学教学中的应用

介绍了Schr?dinger药物虚拟筛选的基本原理和流程,结合大学生物和化学信息学课程的相关教学内容,分别描述了蛋白受体的预处理、类药性五原则、毒药物动力学(ADME)、泛筛选干扰化合物(PAINS)、高通量虚拟筛选、标准精度筛选、高精度筛选和MM/GBSA的打分排序原理和使用方法。该软件可以在大学生物和化学信息学的教学中演示,有助于提高学生对蛋白结构、分子构象、药物虚拟筛选和计算机辅助分子设计的理解,该软件有很好的图形界面,可以给学生直观的体验,大大丰富了大学课堂的教学内容。此外,该软件在药物设计领域里面也有很好的应用价值,大大节约了药物筛选的成本,提高了药物发现的效率。     

Chemoinformatics: a new field with a long tradition

Chemoinformatics is the application of informatics methods to solve chemical problems. Although this term was introduced only a few years ago, this field has a long history with its roots going back more than 40 years. Work on chemical structure representation and searching, quantitative structure–activity relationships, chemometrics, molecular modeling as well as computer-assisted structure elucidation and synthesis design was initiated in the 1960s. These different origins have now merged into a discipline of its own that is in full bloom. All areas of chemistry from analytical chemistry to drug design can benefit from chemoinformatics methods. And there are still many challenging chemical problems waiting for solutions through the further development of chemoinformatics.     

Evolution of Support Vector Machine and Regression Modeling in Chemoinformatics and Drug Discovery

Journal of Computer-Aided Molecular Design - The support vector machine (SVM) algorithm is one of the most widely used machine learning (ML) methods for predicting active compounds and molecular...     

计算(机)化学学科进展(2011-2013)

计算(机)化学已成为化学学科的重要组成部分,在理论计算、分子模拟、数据挖掘以及复杂体系分析中发挥了重要作用。本文总结了近年来化学信息学的研究进展,包括化学信息学方法、软件及数据库技术以及化学信息学在结构、性质、相互作用、反应机理,蛋白质及功能材料的性能研究,复杂体系化学数据分析中的应用。共引用参考文献78篇。