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