药物发现与优化
在药物发现与优化阶段,我们提供系列基于人工智能的药物设计与筛选软件或技术服务,加速化合物的设计、优化、ADMET筛选,从而极大地节约合成试验成本,同时提高成药的成功率。
人工智能驱动药物设计AIDD
收集大量针对某(几)个靶标的化合物及其对应的活性数据,搭建活性QSAR模型。在ADMET Predictor软件中输入1个种子化合物的结构式,设定结构转换规则,让其产生批量新的化合物,对进行评估的性质并设置阈值,比如活性,ADMET风险系数,生物利用度,合成难易度等,最后系统将自动通过帕累托Pareto最优,挑选出综合性质最好的N个化合物,软件自动循环上述流程,不断迭代,直到达到开始设置的阈值才结束迭代。如下图:
人工智能驱动药物设计AIDD 工作流程图
快速准确地预测化合物ADME/Tox性质
在药物设计阶段,可通过预测所设计化合物的ADME/Tox性质,从而快速地筛选出ADMET性质相对较佳的化合物进行合成。
在先导化合物优化阶段,可通过特定性质的预测或代谢位点的预测,为结构改造提供指导。
在化合物筛选阶段,通过预测化合物的ADMET性质,可筛选出综合性质较优的化合物开展下一步的动物试验,或指导优先开展某些试验。
快速预测PK曲线与生物利用度
候选药物只有在人体内有合适的药代动力学才能发挥其疗效,如能在早期研发阶段就较准确地预测化合物的生物利用度,将提高候选化合物的成功率。
通过整合机器学习预测模型和胃肠道高级房室吸收与转运ACAT模型,您只需输入结构式即可得到化合物在人体内的浓度-时间曲线及相关参数。随着药物研发阶段的推进,后期体外和体内的实验数据将增多,这时可在人体生理模型对应的参数中,用试验数据替换预测数据,从而优化结果。
点击查看其它解决方案