从化学结构预测分子性质-物理化学，ADME和toxo
-
从结构，名称或微笑串预测分子特性 -
Percepta为一个完整的属性预测组合提供了一个单一的界面 -
子结构高亮显示为理解预测结果提供了可视化的帮助 -
轻松绘制、排序和排名结果
Percepta提供了各种物理化学（Physchem）性质，Adme特性和毒性终点。查看分子特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（BBB）渗透模型提供了对候选化合物的渗透潜力的综合评价。虽然预测无法取代实验，但该模块基于以下信息，允许根据BBB的被动传输进行排序化合物：
口服生物利用度模型结合了概率和机械建模技术，从结构上预测口服生物利用度，并依赖于ACD/Labs的一些其他预测算法和实验数据集。结果提供了定量预测的生物利用度后，口服(%F)的剂量，由用户定义。
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。
利用P-gp特异性模型可以快速识别P-gp底物和/或抑制剂候选药物。从合成化合物的巨大的“内部”库或虚拟库中过滤和排除P-gp底物/抑制剂是可能的，然后从进一步的开发中排除此类化合物。P-gp特异性模型可以作为初步筛选，替代基于P-gp atp酶活性测定的筛选试验，部分替代昂贵的表达P-gp细胞单层和P-gp敲除动物实验。
CYP区域选择性模型能够提供有价值的见解化合物的代谢状况在药物发现过程的早期在很少或没有实验信息是可用的,和劳动密集型的调查中每个化合物的筛选过程涉及大量的化合物是被禁止的。
*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
预测结构的分子特性、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。强大的绘图、排序和过滤工具进一步帮助预测结果的评估。
使用可靠性指标，概率和/或类似的结构从训练集评估对预测结果的信心与您当前的项目相关。
应用计算的分子性质数据研究结构修改/先导优化达到目标产品型材（吸收，分布，新陈代谢，排泄）。
用实验数据训练-更好地反映专有化学空间，并提高预测精度使用内建机器学习能力。
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
具有图形用户界面的各个计算机的软件安装。提供全部物理化学，ADME和毒性计算器模块（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的应用程序用于预测分子特性（Physchem，Adme和毒性）和数据分析。可用的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Silico.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。
关注需求
实验pK与已发表pK的比较一种88种头孢菌素类抗生素的ACD/pK值一种和其他预测软件。
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
我们的虚拟研讨会特征演示文稿讨论了ACD / Labs软件如何在学术界使用，以支持数据处理和物业预测软件的研究工作，并提供具有仿真工具的实践学习和远程教学。
观察记录
这份由《欧洲制药评论》出版的信息学和数据完整性指南重点介绍了ACD/Labs软件解决方案，包括我们的Spectrus和Percepta平台，以及Luminata和Katalysts D2D新解决方案。
阅读更多
广泛和/或相关的化学空间覆盖——当使用已知的化学物质时，选择具有广泛化学空间覆盖的预测器。如果你正在研究新的化合物，它们将不会出现在商业可用计算器的数据集中。然而，有些模型可能涵盖更多相关的化学空间。用你有可靠实验数据的化合物评估软件。
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)。
分子在人体或任何环境中的行为，是由该结构的分子特性所控制的。物理学和ADME预测器和计算器使科学家能够预测化学结构如何影响药物、杀虫剂、除草剂或污染物等分子的性能。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: