藥物發現與優化
在藥物發現與優化階段，我們提供系列基于人工智能的藥物設計與篩選軟件或技術服務，加速化合物的設計、優化、ADMET篩選，從而極大地節約合成試驗成本，同時提高成藥的成功率。
人工智能驅動藥物設計AIDD
收集大量針對某（幾）個靶標的化合物及其對應的活性數據，搭建活性QSAR模型。在ADMET Predictor軟件中輸入1個種子化合物的結構式，設定結構轉換規則，讓其產生批量新的化合物，對進行評估的性質并設置閾值，比如活性，ADMET風險系數，生物利用度，合成難易度等，最后系統將自動通過帕累托Pareto最優，挑選出綜合性質最好的N個化合物，軟件自動循環上述流程，不斷迭代，直到達到開始設置的閾值才結束迭代。如下圖：
人工智能驅動藥物設計AIDD 工作流程圖
快速準確地預測化合物ADME/Tox性質
在藥物設計階段，可通過預測所設計化合物的ADME/Tox性質，從而快速地篩選出ADMET性質相對較佳的化合物進行合成。
在先導化合物優化階段，可通過特定性質的預測或代謝位點的預測，為結構改造提供指導。
在化合物篩選階段，通過預測化合物的ADMET性質，可篩選出綜合性質較優的化合物開展下一步的動物試驗，或指導優先開展某些試驗。
快速預測PK曲線與生物利用度
候選藥物只有在人體內有合適的藥代動力學才能發揮其療效，如能在早期研發階段就較準確地預測化合物的生物利用度，將提高候選化合物的成功率。
通過整合機器學習預測模型和胃腸道高級房室吸收與轉運ACAT模型，您只需輸入結構式即可得到化合物在人體內的濃度-時間曲線及相關參數。隨著藥物研發階段的推進，后期體外和體內的實驗數據將增多，這時可在人體生理模型對應的參數中，用試驗數據替換預測數據，從而優化結果。
點擊查看其它解決方案