1.一种α-葡萄糖苷酶抑制剂的虚拟筛选方法，以及该虚拟筛选方法及其筛选出的化合物在预防和/或治疗2型糖尿病的药物制剂中的应用；

所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，包括如下步骤：

1)大分子蛋白三维结构的获取、分析和处理：选择从RCSB蛋白晶体数据库中下载α-葡萄糖苷酶的晶体结构，或通过同源模建获得α-葡萄糖苷酶的三维结构；

2)中药或天然产物库的构建及小分子化合物的准备：选择从相关文献或通过各类型天然产物库收集已分离或提取已知的化合物；

3)虚拟筛选模型预测能力的校准及筛选模型的建立：选择利用计算软件AutoDock、Surflex、Glide、Gold、MVD和Discovery Studio中的一种或几种相应模块，对蛋白晶体结构中的原始配体分子α-D-glucose与α-葡萄糖苷酶进行重新对接；

4)天然产物库的虚拟筛选与相互作用机制分析：应用已构建的虚拟筛选模型，对建立的天然产物库中的所有化合物进行与α-葡萄糖苷酶的分子对接分析；采用分子对接的方法来探讨α-葡萄糖苷酶抑制剂与α-葡萄糖苷酶之间的作用规律；根据其对接打分(Total score)、结合自由能的指标确定化合物与α-葡萄糖苷酶对接打分最高的构象，结合自由能最低，即为最优势构象；

5)筛选结果的体内外生物活性验证：选择应用体外酶分子水平、细胞水平以及体内动物水平的相关实验对筛选得到的活性化合物进行α-葡萄糖苷酶抑制活性评价，筛选得到的α-葡萄糖苷酶抑制剂。

2.如权利要求1所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，其特征在于：在所述步骤1)中，在获得α-葡萄糖苷酶的三维结构之后，选择利用计算软件AutoDock、Surflex、Glide、Gold、MVD和Discovery Studio的一种或几种相应模块进行计算机辅助虚拟筛选；选择应用相关软件对大分子靶标蛋白进行三维结构分析、修补缺失的氨基酸残基和肽链末端、去除蛋白结构中的水分子并为整个蛋白分子添加氢原子；选择应用Amber、Kollman、MMFF94、MMFF94s的一种或几种力场对蛋白分子进行能量最优化处理。

3.如权利要求1所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，其特征在于：在所述步骤2)中，在收集已分离或提取已知的化合物之后，选择通过Chem3D Pro 14.0画出所有小分子化合物的三维结构，或通过Concord进行三维结构转换；选择使用标准的Tripos、MMFF94、MMFF94s的一种或几种力场对小分子化合物进行能量最优化，并为小分子化合物添加GASTEIGER-HUCKEL电荷。

4.如权利要求1所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，其特征在于：在所述步骤3)中，对蛋白晶体结构中的原始配体分子α-D-glucose与α-葡萄糖苷酶进行重新对接的同时，选择具有良好α-葡萄糖苷酶抑制剂和阳性药物组成模型的校准集。

5.如权利要求1所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，其特征在于：在所述步骤4)中，在确定最优势构象之后对其作进一步分析；以形成的氢键、疏水性相互作用、pi-pi stacking、范德华力、盐键以及RMSD值等基础性考察指标，来探讨配体—受体结合时的相互作用规律。

6.如权利要求1所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，其特征在于：在所述步骤5)中，通过体外酶学实验测定待测化合物的α-葡萄糖苷酶抑制活性根据如下公式计算：抑制率(％)＝[(C30–C0)–(S30–S0)]/(C30–C0)×100，数据处理：使用MS Excel 2013分析处理数据，并用GraphPad Prism 6.0.2计算得到半数抑制浓度(IC50)；同时，采用体外酶动力学实验对筛选得到的活性化合物进行α-葡萄糖苷酶抑制活性类型的评价。

7.如权利要求1所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，其特征在于：所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，包括如下步骤：

1)大分子蛋白三维结构的获取、分析和处理：从RCSB蛋白晶体数据库中下载α-葡萄糖苷酶的晶体结构(PDB code:3A4A)，其中复合物蛋白晶体结构的原始配体分子为α-D-glucose；选择利用计算软件AutoDock、Surflex、Glide、Gold、MVD和Discovery Studio的一种或几种相应模块进行计算机辅助虚拟筛选；选择应用相关软件对大分子蛋白质进行结构分析，修补缺失的氨基酸残基和肽链末端，去除水分子并为整个蛋白分子添加氢原子；应用MMFF94s力场对蛋白分子进行能量最优化；

2)中药或天然产物库的构建及小分子化合物的准备：从相关文献收集从丹参中分离获得的天然产物，包括脂溶性的丹参酮类和水溶性的丹酚酸类化合物；通过Chem3D Pro 14.0(PerkinElmer,Inc.)画出所有小分子化合物的三维结构，并使用标准的Tripos力场对其进行能量最优化；能量梯度收敛性判据为0.005kcal/mol；最大迭代次数为10,000，并为小分子添加GASTEIGER-HUCKEL电荷；

3)虚拟筛选模型预测能力的校准及筛选模型的建立：选择利用计算软件AutoDock、Surflex、Glide、Gold、MVD和Discovery Studio中的一种或几种相应模块，对蛋白晶体结构中的原始配体分子α-D-glucose与α-葡萄糖苷酶进行重新对接，要求晶体结构中的原始配体与重新对接的配体几乎完全重叠，且二者在酶活性口袋内所处的构象及取向保持相对一致；配体分子与氨基酸残基Gln182、Asp215、Gln279、His351、Asp352和Arg442之间共生成7根氢键的相互作用，同时观察到有其他疏水性相互作用力的存在；选择具有良好α-葡萄糖苷酶抑制剂和阳性药物组成模型的校准集，对上述建立的筛选模型做进一步对接确证，所有校准集抑制剂都能较好的与由氨基酸残基Asp69、Tyr72、His112、Phe159、Gln182、Val216、Glu277、Gln279、His351、Asp352、Glu411和Arg442组成的α-葡萄糖苷酶活性结合口袋相互作用，且观察到多根氢键以及其他疏水性相互作用产生；选取对接打分6.50作为一个以α-葡萄糖苷酶为作用靶标的活性与非活性化合物的相对区分标准；

4)天然产物库的虚拟筛选与相互作用机制分析：应用已构建的虚拟筛选模型，对建立的中药丹参天然产物库中的所有化合物进行与α-葡萄糖苷酶的分子对接分析；结合单体化合物的可获得性和化合物的结构特点，选择化合物Salvianolic acid A、Salvianolic acid C进行深入的对接分析和后续的体外酶学活性实验验证；

5)筛选结果的体内外生物活性验证：采用体外酶学实验对筛选得到的活性化合物进行α-葡萄糖苷酶抑制活性验证；筛选得到的α-葡萄糖苷酶抑制剂Salvianolic acid C、Salvianolic acid A。

8.如权利要求7所述α-葡萄糖苷酶抑制剂的虚拟筛选方法，其特征在于：所述步骤5)中，采用体外酶动力学实验对筛选得到的活性化合物进行α-葡萄糖苷酶抑制活性类型的评价；筛选得到的α-葡萄糖苷酶抑制剂Salvianolic acid C、Salvianolic acid A。

9.如权利要求7或8所述α-葡萄糖苷酶抑制剂的虚拟筛选方法筛选得到的α-葡萄糖苷酶抑制剂Salvianolic acid C、Salvianolic acid A在预防和/或治疗2型糖尿病的药物制剂中的应用。

10.Salvianolic acid C、Salvianolic acid A作为α-葡萄糖苷酶抑制剂在预防和/或治疗2型糖尿病的药物制剂中的应用。