论文标题 关键词 作者 单位 摘要 高级检索

【作者】

熊国丽; 曹东升;

【单位】

中南大学; 中南大学湘雅药学院;

【摘要】

候选药物在后期开发阶段失败的主要原因是不良的ADMET性质，包括吸收(Adsorption)、分布(Distribution)、代谢(metabolism)、排泄(Excretion)与毒性(Toxicity)。遵循“失败越早，损失越小”的原则，药物化学家指出应在早期甚至先导化合物阶段进行ADMET性质预测，排除不期望化合物，从而缓解实验筛选的压力，同时提高候选化合物后期开发的成功率。2018年，本团队发布了ADMETlab[1]，用于系统的ADMET性质预测和类药性分析，目前已广泛用于药物开发的实践之中。
ADMETlab 2.0是全面增强的的药代动力学性质和毒性在线预测平台, 在保留了上一版本优点的基础上，在覆盖的终点，模型性能，评估模式和结果解释方面做了全面的优化更新。ADMETlab 2.0现在可用于计算和预测17种基本理化性质、13种药物化学性质、24种ADME性质，27种毒性终点和7类毒性基团(597个子结构)，涵盖了几乎所有药物化学家感兴趣的分子性质。使用多任务图神经网络进行模型训练，深度学习使多任务学习变得非常自然，两者的组合显著提升了许多建模终点的预测准确性。此外，为了满足对于数据集筛选，本次更新添加了批量评估模块，用于在化学合成或体外/体内实验之前对小型数据集进行批量的ADMET性质预测。在预测结果界面提供每个属性的详细说明和最佳范围，使用不同颜色直观表示预测结果的经验决策状态。综上所述，我们认为ADMETlab 2.0 (http://admetmesh.scbdd.com/) 能够帮助药物化学家快速准确地判断候选化合物的药代动力学性质和和安全性，从而加快药物研发的进程。

【关键词】

ADMET,;药代动力学;类药性;药物化学;深度学习

【论文编号】

29-A-008

【论文集名称】

中国化学会第32届学术年会摘要集-第二十九分会：化学信息学与化学计量学

【会议名称】

中国化学会第32届学术年会

【会议时间】

2021年04月19日-22日

【会议地点】

广东珠海

【下载次数】

181

返回