2025年8月27号 周三早   9:30-11:30

英文演讲（中英文字幕）

问答环节有中文翻译

药物发现是一个高度复杂的过程，需在数十个关键因素间取得精妙平衡。在药物设计早期阶段采用多参数优化（MPO）策略是近年来兴起的有效方法，可显著加速药物开发进程。本次课程将以Jones团队近期发表的RORγT反向激动剂设计成功案例为案例，系统讲解如何利用AI驱动的药物设计（AIDD）模块，整合QSAR活性预测、ADMET性质预测、合成难度预测等模型，设计出新型的RORγT反向激动剂，并应用多参数优化（MPO）方法筛选出兼具高活性与理想性质的候选化合物。

通过本课程，参会人员将了解解如何利用AIDD设计新型化合物，还将学习小分子药物设计中的核心策略—多参数优化（MPO），以实现药效、安全性和药代动力学（PK）性质的平衡。从而有效减少设计-制造-测试-分析（DMTA）循环的次数与周期，加速候选药物的研发进程。

• ADMET Predictor各功能模块简介

• AIDD和多参数优化在新型RORγT反向激动剂中的应用案例

• AI在ADMET和PK预测中的未来发展
  

斯坦福大学博士，加州大学旧金山分校博士后

Jones博士于2022年加入Simulations Plus公司，聚焦于早期药物开发和AIDD。Jeremy曾担任Terray Therapeutics（一家AI新药公司）的肿瘤部总监，并领导他自己的咨询公司。他之前在City of Hope综合癌症中心担任了近十年的教授，专注于泌尿肿瘤的药物开发和转化研究。

北京大学学士及硕士，美国Rensselaer Polytechnic Institute化学信息学博士

15年以上的药物研发专业软件开发经验。2005年加入 Simulations Plus 公司, 是化学信息学软件ADMET Predictor的开发者之一，负责其中的机器学习模块。2018年开始，专注于新一代药代动力学与吸收模型软件GastroPlus X的开发。研究兴趣主要在化学信息学，软件开发，人工智能在药物开发中的应用等领域。

新药研发

DMPK

CADD

药物设计

新药研发

药物化学

我们将整理出报名人员普遍较关注的4个问题，在直播间进行解答，欢迎报名时提交问题。

报名截止时间：2025年8月26日20:00

· 会议链接将在8月26日统一发送到您注册的邮箱

· 提交报名表后，请加凡默谷客服微信

（加微信时，请务必写清：姓名+单位）

确保您能收到会议链接

加微信时，请务必写清：姓名+单位