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