从化学结构预测分子性质-物理化学，ADME和toxo
-
从结构、名称或SMILES字符串预测分子属性 -
Percepta为一个完整的属性预测组合提供了一个单一的界面 -
子结构突出显示了解预测结果的视觉辅助 -
情节，排序和排名结果轻松
感知机提供了各种物理化学(PhysChem)性质的计算，ADME性质，和毒性终点。请参阅分子属性计算器的完整列表，详情如下:
分子属性计算器也可用于下列情况:
ACD/Labs软件中的血脑屏障(blood-brain barrier, BBB)渗透模型可以全面评估候选化合物的渗透潜力。虽然预测不能取代实验，但该模块允许根据化合物在血脑屏障上的被动转运，基于以下信息对化合物进行排名:
口腔生物利用度模型使用概率和机械建模技术的组合来预测来自结构的口腔生物利用度，并依赖于许多其他ACD /实验室预测算法和实验数据集。结果是作为用户定义的剂量的口服给药（％F）后的生物利用度的定量预测。
人体肠道吸收和溶解度是影响口服生物利用度的两个关键因素。被动吸收模型预测了人体肠道药物的渗透性，考虑了跨细胞和准细胞途径，以及渗透速率的电离特异性差异。预测是基于机械模型，使用许多物理化学参数，包括亲脂性和电离，作为输入。模型输出计算参数如下:
p -糖蛋白(P-gp)是一种临床相关的外排转运蛋白，可从多种细胞中挤出化合物。其功能与药物的吸收、分布、排泄、中枢神经系统作用、多药耐药(MDR)有关。P-gp转运各种天然化合物和不同治疗领域的药物。
使用P-GP特异性模型可以快速鉴定P-GP底物和/或抑制剂的药物候选。可以从巨大的合成化合物或虚拟文库中过滤和排除来自巨大的“内部”文库的巨大“内部”文库，然后排除这些化合物从进一步的发展中排除。P-GP特异性模型可以用作可以基于P-GP ATP酶活性测量的筛选测试，并且部分地用P-GP表达细胞单层和P-GP敲除动物的昂贵实验。
当有很少或没有实验信息时，CYP区域选择性模型能够在药物发现过程中早期提供有价值的见解，并且当没有实验信息，并且涉及大量涉及的化合物禁止在筛查过程中对每个化合物的劳动力集约化。
＊作为一个离散bundle可用
__可训练(机器学习)模块
‡作为单独的模块购买
从结构预测分子性质、name或SMILES字符串。
很容易评估结果从物理化学，ADME和毒性计算器 - 每个模块提供预测特定的信息和工具，如结构突出显示和计算协议。强大的图形，排序和过滤工具进一步辅助评估预测结果。
使用培训设置的可靠性指数，概率和/或类似结构评估对预测结果的信心和你当前项目的相关性。
将计算的分子属性数据应用于研究结构修改/先导优化达到目标产品形态(吸收、分布、代谢、排泄)。
用实验数据列车- 使用内置的完善化学空间并提高预测精度机器学习功能。
添加自定义模型通过使用XML协议或DLL的形式连接到现有的web服务，内部预测算法到核心Percepta模块。
桌面/瘦客户机
带有图形用户界面的个人计算机的软件安装。完整的物理化学，ADME和毒性计算器模块可用(具有培训能力)，包括PhysChem Profiler bundle。
批处理
筛选数以万计的化合物与最小的用户干预-兼容微软Windows和Linux操作系统(OS)。插件到企业内部网或工作流工具，如管道试点。
Percepta门户/瘦客户机
基于web的应用，用于预测分子性质(物理、ADME和毒性)和数据分析。可提供KNIME集成组件。
主机在您的企业内部网或云。适用于Linux、Windows操作系统。
本应用笔记讨论了使用预测模型的机器学习(模型训练)能力来提高准确性的重要性。
阅读更多
宝洁公司(Procter & Gamble)使用Percepta平台来取代物理实验室实验得出的物理化学属性值，用在网上预测。阅读Percepta如何帮助化学家和配方师更有效地工作，并协助决策。
现在看
实验pK与已发表pK的比较一个88个头孢菌素抗生素的值与ACD / PK一个和其他预测软件。
阅读更多
Percepta Portal是一个可伸缩的web应用程序，可以很容易地集成到您的内部环境中。它提供了强大的并行计算能力，以及轻松的维护和部署。
阅读更多
我们已经发现了一些关于验证环境的常见误解。出现许多问题是因为以前的软件部署伴随着新硬件的安装，或者涉及信息学系统，这些信息学系统是直接提交给监管当局的数据和报告的来源。在这里，我们澄清了一些似乎已经成为行业神话的灰色区域。
阅读更多
我们的虚拟研讨会的特点是介绍如何在学术界使用ACD/Labs软件来支持数据处理和属性预测软件的研究工作，并提供使用仿真工具的实际学习和远程教学。
观看录音
宽阔和/或相关化学空间覆盖 - 使用已知的化学品选择具有广泛化学空间覆盖的预测因子。如果您正在使用新的化合物，则不会在市售计算器的数据集中表示。然而，有些型号可能涵盖更相关的化学空间。使用您具有可靠的实验数据的化合物来评估软件。
可训练性——如果你的研究领域是小众化学领域，或者是受专利保护的化合物，那就寻找可以用可靠的实验数据进行训练的预测算法——这些算法内置了机器学习功能。
能够评估预测的可靠性和准确性-没有计算器将给每个化合物完美的结果。选择能够提供结构/化学特征信息的软件，这些信息是计算结果的基础，或者能够显示计算结果的准确性(或计算误差)。
人体中分子或任何环境的行为受该结构的分子特性的管辖。Physchem和Adme预测器和计算器使科学家能够预测化学结构如何影响分子作为药物，农药，除草剂或污染物等的性能。毒性预测有助于科学家评估潜在风险。
在研发中，分子特性的计算器和预测器有助于: