视频 | 采用AI驱动的药物设计（AIDD）,加速化合物设计与ADMET筛选（英文）

视频概述

课程第一部分介绍了理化性质预测模块，包括pKa，化合物在水中和在模拟胃肠液中的溶解度，表征渗透性的预测参数，血浆蛋白结合率，表观分布容积等，并展示了如何预测化合物对应pKa在不同pH下的离子化形式和含量，如何快速预测BCS分类等。

第二部分介绍了代谢预测模块，包括化合物是哪些CYP酶，UGT酶，醛氧化酶的底物，抑制剂，并演示了如何预测代谢位点，代谢产物。

第三部分介绍了转运体模块，包括预测化合物是哪些转运体的底物或抑制剂，如P-gp，BCRP, OATP1B1/1B3, OCT1/2, OAT1/3, BSEP。

第四部分介绍了化合物设计模块Medchem Studio，包括通过骨架等方法进行聚类，选择悬崖分子对，R取代集团分析，SAR分析，化合物相似性筛选，产生衍生物库，通过结构转化规则产生批量新化合物。

最后介绍了AI驱动的药物设计（AIDD）新模块，该方法整合了机器学习，生理药代动力学PBPK等方法，第一步在系统中输入要进行优化的一个或多个种子化合物，并设置要优化的ADMET性质参数，第二步系统将自动产生批量新化合物；第三步进行ADMET，生物利用度，合成难易度等筛选；第四步通过帕累托最优（Pareto-optimal）找出整体最优的一批化合物；如对结果不满意，则通过该流程进行不断的迭代，直到符合预期。 

内容概要

• ADMET 性质预测

• 化合物的快速设计

• AI驱动的药物设计AIDD算法简介与案例演示

讲解人

课程视频

延申阅读