視頻 | 采用AI驅動的藥物設計（AIDD）,加速化合物設計與ADMET篩選（英文）
2020-07-31 16:33:44
視頻概述
課程第一部分介紹了理化性質預測模塊，包括pKa，化合物在水中和在模擬胃腸液中的溶解度，表征滲透性的預測參數，血漿蛋白結合率，表觀分布容積等，并展示了如何預測化合物對應pKa在不同pH下的離子化形式和含量，如何快速預測BCS分類等。
第二部分介紹了代謝預測模塊，包括化合物是哪些CYP酶，UGT酶，醛氧化酶的底物，抑制劑，并演示了如何預測代謝位點，代謝產物。
第三部分介紹了轉運體模塊，包括預測化合物是哪些轉運體的底物或抑制劑，如P-gp，BCRP, OATP1B1/1B3, OCT1/2, OAT1/3, BSEP。
第四部分介紹了化合物設計模塊Medchem Studio，包括通過骨架等方法進行聚類，選擇懸崖分子對，R取代集團分析，SAR分析，化合物相似性篩選，產生衍生物庫，通過結構轉化規則產生批量新化合物。
最后介紹了AI驅動的藥物設計（AIDD）新模塊，該方法整合了機器學習，生理藥代動力學PBPK等方法，第一步在系統中輸入要進行優化的一個或多個種子化合物，并設置要優化的ADMET性質參數，第二步系統將自動產生批量新化合物；第三步進行ADMET，生物利用度，合成難易度等篩選；第四步通過帕累托最優（Pareto-optimal）找出整體最優的一批化合物；如對結果不滿意，則通過該流程進行不斷的迭代，直到符合預期。
內容概要
ADMET 性質預測
化合物的快速設計
AI驅動的藥物設計AIDD算法簡介與案例演示
講解人
課程視頻
延申閱讀