背景概要

課程分三部分開(kāi)展，第一部分介紹了理化性質(zhì)預(yù)測(cè)、藥物代謝預(yù)測(cè)、轉(zhuǎn)運(yùn)體預(yù)測(cè)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(yù)測(cè)參數(shù)，血漿蛋白結(jié)合率，表觀分布容積等，并展示了如何預(yù)測(cè)化合物對(duì)應(yīng)pKa在不同pH下的離子化形式和含量，如何快速預(yù)測(cè)BCS分類等；預(yù)測(cè)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(yù)測(cè)代謝位點(diǎn)，代謝產(chǎn)物；預(yù)測(cè)化合物是哪些轉(zhuǎn)運(yùn)體的底物或抑制劑，如P-gp，BCRP, OATP1B1/1B3, OCT1/2, OAT1/3, BSEP。

第二部分講解了如何利用自己已有的實(shí)驗(yàn)數(shù)據(jù)和文獻(xiàn)中的數(shù)據(jù)搭建QSAR或QSPR模型，目前主流的人工智能領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)ANN和支持向量機(jī)SVM是最主流的算法，ADMET Predictor自建模型模塊除了這兩種算法，還提供了偏最小二乘法PLS、多重線性回歸MLR的建模方法。展現(xiàn)了搭建良好模型的要素：對(duì)數(shù)據(jù)的收集與分析整理，采用合適和精確的分子描述符，預(yù)先過(guò)濾不相關(guān)的分子描述符，采用外部數(shù)據(jù)進(jìn)行模型的驗(yàn)證，采用合適的算法進(jìn)行模型的訓(xùn)練，防止模型過(guò)度訓(xùn)練等。闡述了模型搭建的流程，如何考察模型的準(zhǔn)確度、變異、不確定性等。

第三部分講解了快速預(yù)測(cè)體內(nèi)PK參數(shù)的HTPK模塊，包括吸收百分?jǐn)?shù)Fa, 系統(tǒng)清除率，穩(wěn)態(tài)下的表觀分布容積V_dss, C_max，C_maxSS, T_max, T_maxSS,t_1/2, AUC等。

內(nèi)容概要

• ADMET性質(zhì)的預(yù)測(cè)
• 快速預(yù)測(cè)體內(nèi)PK參數(shù)
• 如何搭建良好的性質(zhì)預(yù)測(cè)模式

講解人

Michael Lawless，高級(jí)首席科學(xué)家，美國(guó)Simulations Plus
超過(guò)20年化學(xué)信息與計(jì)算化學(xué)從業(yè)經(jīng)驗(yàn)，2011年加入美國(guó)Simulations Plus，從事AI驅(qū)動(dòng)新藥研發(fā)工具的開(kāi)發(fā)與應(yīng)用，并與全球多家制藥企業(yè)合作不斷完善產(chǎn)品。1988年在美國(guó)Arkansas大學(xué)取得物理化學(xué)博士學(xué)位。

視頻