视频 | 采用AI驱动的药物设计(AIDD),加速化合物设计与ADMET筛选(英文)
2020-07-31 16:33:44
视频概述
课程第一部分介绍了理化性质预测模块,包括pKa,化合物在水中和在模拟胃肠液中的溶解度,表征渗透性的预测参数,血浆蛋白结合率,表观分布容积等,并展示了如何预测化合物对应pKa在不同pH下的离子化形式和含量,如何快速预测BCS分类等。
第二部分介绍了代谢预测模块,包括化合物是哪些CYP酶,UGT酶,醛氧化酶的底物,抑制剂,并演示了如何预测代谢位点,代谢产物。
第三部分介绍了转运体模块,包括预测化合物是哪些转运体的底物或抑制剂,如P-gp,BCRP, OATP1B1/1B3, OCT1/2, OAT1/3, BSEP。
第四部分介绍了化合物设计模块Medchem Studio,包括通过骨架等方法进行聚类,选择悬崖分子对,R取代集团分析,SAR分析,化合物相似性筛选,产生衍生物库,通过结构转化规则产生批量新化合物。
最后介绍了AI驱动的药物设计(AIDD)新模块,该方法整合了机器学习,生理药代动力学PBPK等方法,第一步在系统中输入要进行优化的一个或多个种子化合物,并设置要优化的ADMET性质参数,第二步系统将自动产生批量新化合物;第三步进行ADMET,生物利用度,合成难易度等筛选;第四步通过帕累托最优(Pareto-optimal)找出整体最优的一批化合物;如对结果不满意,则通过该流程进行不断的迭代,直到符合预期。
内容概要
ADMET 性质预测
化合物的快速设计
AI驱动的药物设计AIDD算法简介与案例演示
讲解人
课程视频
延申阅读