中文

凡默谷，技术总监

在创新药早期发现阶段，借助人工智能（AI）对化合物的吸收、分布、代谢、排泄、毒性及药代动力学（ADMET/PK）性质进行虚拟筛选与排序，已成为提升研发效率的关键环节。此外，AI技术也能深度整合进化合物结构设计流程，实现AI驱动的药物设计（AIDD），从而完成有目的、高效率的分子优化。

ADMET Predictor作为一款在药物研发领域广泛应用的ADMET/PK性质预测工具，融合了先进AI算法与大量实验数据，能够快速、准确地对大量化合物开展系统的体外与体内性质评估，为研究人员在成药性评价与结构优化方面提供科学参考。

本次课程将系统介绍ADMET Predictor软件的核心功能与典型应用场景，内容涵盖其内置预测模型概述、AIDD工作流程介绍以及各功能模块的具体应用案例。通过系统讲解，帮助参会者全面了解该软件的功能特点与应用方法，为实际药物研发工作提供实用参考。

• ADMET Predictor预测模型概述

• 案例1：指导化合物的筛选与排序

• 案例2：预测化合物的PK参数/曲线

• 案例3：自建特定需求的预测模型

• 案例4：AI驱动的化合物设计

超过10年的药物建模与模拟从业经验，涉及对新药及仿制药的体内溶出、吸收、处置过程的PBPK建模，群体药代动力学/药效动力学PopPK/PD的建模与模拟，以及定量系统毒理学QST的研究等。已成功建立及研究了50+个药物的PK模型，内容涉及首次人体PK预测、体内外相关性建模、生物等效性考察、药物药物相互作用评估、PopPK建模等；此外，还支持PBPK、PopPK/PD相关软件不同层次的培训工作。参与发表了定量药理学研究领域的中英文文章数十篇。

新药研发

药物化学

CADD/AIDD

DMPK研究

毒理研究

临床前研究

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。