菜单

物理原理,ADME和毒性计算与感知软件

从化学结构预测分子性质-物理化学,ADME和毒性

  • 从结构、名称或SMILES字符串(pKa模块)预测分子属性
    从结构、名称或SMILES字符串预测分子性质
  • Percepta为完整的物业预测组合提供单个界面
    Percepta为完整的物业预测组合提供单个界面
  • 子结构突出显示了解理解预测结果(LOGP模块)
    子结构突出显示了解预测结果的视觉辅助
  • 轻松地绘制、排序和排列结果(Percepta Portal-web应用程序)
    情节,排序和排名结果轻松

工业领先的物理化学性质,Adme特性和毒性终点。

基于Percepta平台的分子性质计算

Percepta提供各种物理化学(PhysChem)特性、ADME特性和毒性端点的计算。查看分子属性计算器的完整列表,详情如下:

PhysChem

  • 水溶解性

    水溶液(水)溶解度模块

    • 计算在25℃和零离子强度下溶解在纯(无缓冲的)水中的化学物质溶解度,固有溶解度和溶解度;以及溶液的平衡pH值
    • 该模型可以通过实验值进行训练,以改善对专有化学空间的预测
  • 沸点/蒸汽压

    沸点/蒸汽压力模块

    • 估计在特定压力下有机化合物的沸点
    • 以温度的函数预测有机化合物的蒸气压
  • 日志D__

    日志D模块

    计算日志D(基于用于可电离化合物的pH)的亲脂性)。

    了解更多

  • 日志P__

    日志P模块

    计算日志P(亲脂性)来自结构。

    了解更多

  • PK.一个__

    PK.一个模块

    Calulate pK一个来自结构的值(酸解离)。

    了解更多

  • σ

    σ模块

    • 一个计算分子选定片段取代基特异性参数的模型:
      • 电子常数(哈密特sigma)
      • 空间常数(摩尔体积,摩尔折射率)
      • 疏水常数(汉斯Pi)
  • 其他PhysChem描述符

    其他PhysChem描述符

    分子属性计算器也可用于以下用途:

    • 密度
    • 自由旋转债券
    • 氢键的捐赠者和接受者
    • 折射率
    • 臼齿折射率
    • 摩尔体积
    • 分子量
    • 等张比容
    • 极地表面面积
    • 极化性
    • Rule-of-5
    • 表面张力

ADME

  • 血脑屏障渗透

    血脑屏障渗透模块

    ACD/Labs软件中的血脑屏障(BBB)渗透模型提供了对候选化合物渗透潜力的综合评价。虽然预测不能取代实验,但该模块允许化合物根据其在血脑屏障中的被动转运进行排序,基于以下信息:

    • 的预测:
      • 被动扩散率/渗透率(对数PS
      • BBB渗透程度(log .BB)脑组织和等离子体之间的化合物的间状态分布比
      • 脑/血浆平衡率(PS * F.u,大脑
    • 化合物可能通过载体介导的机制通过血脑屏障运输的警报
  • 细胞色素P450酶抑制剂

    细胞色素P450抑制剂模块

    • 计算化合物将成为五种主要药物代谢酶-CYP3A4,CYP2D6,CYP2C9,CYP2C19和CYP1A2的抑制剂的概率,在两个不同的IC中50阈值
      • 集成电路50< 50µM(一般抑制);
      • 集成电路50< 10µM(有效抑制)
    • 该模型可以用实验数据训练出新的化合物,以扩大其适用性
  • 细胞色素P450基质

    细胞色素P450基板模块

    • 计算你的化合物成为五种主要药物代谢酶——cyp3a4、CYP2D6、CYP2C9、CYP2C19和CYP1A2之一底物的概率
    • 该模型可以用实验数据训练出新的化合物,以扩大其适用性
  • 分配__

    分配模块

    • 估计对人血浆蛋白的药物结合的强度,作为血浆中结合的总体百分比或作为人血清白蛋白的亲和力常数
    • %PPB和logK一个(HSA)模型可以用用户数据进行训练
    • 预测他们表观的分布量(vd
  • 每日最大推荐剂量

    最大推荐每日剂量模块

    • 近似估计可在诊所使用的药物的最大口服剂量
  • 口服生物利用度

    口服生物利用度模块

    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结构的口腔生物利用度,并依赖于许多其他ACD / Labs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。

    • 预测一些影响口腔生物利用度的终点:
      • 溶解度(剂量/溶解度比)
      • 酸性介质中的稳定性
      • 通过被动或主动转运实现肠膜通透性(相关转运体综述)
      • P-gp流出
      • 首先通过肝脏的新陈代谢
    • 从内部训练集中查看最多5个最相似的结构,有实验结果和文献参考
  • 被动的吸收

    被动吸收模块

    人类肠道吸收(HIA)和溶解度是影响口腔生物利用度的两个关键因素。被动吸收模型预测药物的人肠道渗透性,考虑到跨细胞和对细胞途径,以及渗透速率的电离特异性差异。预测基于机械模型,该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。该模型输出以下计算参数:

    • 人类肠道吸收(HIA)在肠道上的被动运输(不受任何侧面过程的影响,例如有限的溶解度/溶解,可变口服剂量,化学稳定性,活性运输,并在肠道或肝脏中首先通过代谢),表明来自牙细胞和肺膜的百分比。
    • 通过空肠上皮的被动通透性,也表明了吸收速率。
    • 通过Caco-2细胞单层的被动渗透性,表明来自牙细胞和肺膜的百分比。
  • P-gp特异性__

    P-GP特异性模块

    p -糖蛋白(P-gp)是一种临床相关的外排转运体,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、中枢神经系统效应、多药耐药(MDR)有关。P-gp运输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物。从巨大的合成化合物或虚拟文库的巨大“内部”文库中的P-GP底物/抑制剂的过滤和排除是可能的,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基于P-GP ATP酶活性测量的筛选试验,并且部分替代具有表达细胞单层和P-GP敲除式的P-GP的昂贵实验。

  • PK探险家

    PK浏览器模块

    • 通过使用一组来自描述一个平均统计人的有机体的多室模型的微分方程,估计一些参数来确定你的化合物的药代动力学轮廓:
      • Cp(T)
      • T最大限度和C.p(马克思)
      • 口服和静脉注射后AUC
      • 口服生物利用度
  • 区域选择性代谢

    新陈代谢模块的区域选择性

    CYP区域选择性模型能够在药物发现过程早期提供有价值的见解,只要有很少或没有实验信息,并且涉及大量化合物禁止筛选过程中每种化合物的劳动力集约化。

    • 通过以下方法预测代谢软点:
      • 人肝微粒体(HLM)
      • 细胞色素P450五种主要酶(CYP3A4、CYP2D6、CYP2C9、CYP2C19和CYP1A2)
    • 识别新化学实体的代谢点
    • 指导具有改进代谢性质的化合物的合成
    • 帮助识别和阐明可能的代谢物结构

毒性

  • 急性毒性__

    急性毒性模块

    • 预测量化LD50两种鼠类不同给药途径后的数值:
      • LD.50在小鼠口服给药后
      • LD.50在小鼠静脉注射后
      • LD.50小鼠腹腔注射后
      • LD.50小鼠皮下给药后
      • LD.50在口服给药后的大鼠
      • LD.50大鼠腹腔注射后
    • 估计经合组织危险的定性类别
    • 专家系统识别可能造成毒性效应的危险子结构
  • 水生毒性__

    水生动物毒性模块

    • 预测LC50你的化合物对两种水生生物的价值——黑头鲦鱼(P. promelas)和水蚤(D. magna)
  • 内分泌系统紊乱

    内分泌系统中断模块

    • 预测化合物对雌激素受体的相对结合亲和力,雌激素受体与生殖毒性和癌症的可能性相关
  • 致突变性__

    诱变模块

    • 为您的生产概率提供积极的AMES测试结果提供预测
  • 健康效果

    健康影响模块

    • 基于长期器官特异性毒性研究,预测化合物对特定器官或器官系统的可能不良反应,包括各种物种和给药途径
    • 考虑到下列器官和器官系统:
      • 心血管系统
      • 消化系统
      • 肾脏
      • 肺部
  • 疱疹抑制__

    hERG抑制模块

    • 评估化合物与人体乙醚-go-go (hERG)通道药物相互作用相关的心脏毒性
  • 刺激

    刺激模块

    • 根据Draize测试计算化合物对眼睛和皮肤造成中等或更强烈刺激的可能性

  • 杂质分析

    杂质分析模块

    由于与FDA的合作,该模块提供了21个有毒端点的见解,反映了有害活动的各种机制,包括:

    • 致突变性(AMES测试,小鼠淋巴瘤测定和其他标准测定)
    • 抗植物原性(微核试验,染色体畸变)
    • DNA损伤(计划外DNA合成)
    • 致癌性(FDA啮齿动物致癌性数据)
    • 内分泌破坏机制(雌激素受体结合)

    了解更多

可作为离散bundle使用
__可训练(机器学习)模块
购买为单个模块

分子性质预测特征

从结构上预测分子性质,名称或微笑字符串。

很容易评估结果来自物理化学,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/或类似结构评估预测结果的可信度和你当前项目的相关性。

将计算得到的分子性质数据应用于调查结构修改/引导优化达到产品的目标轮廓(吸收、分布、代谢、排泄)。

用实验数据列车- 使用内置的预测精度反映专有化学空间,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,将内部预测算法连接到核心Percepta模块。

  • 利用可靠性指标和数据库中相似结构的实验值等特征来评估预测的准确性
  • 子结构突出显示重要的结构特征(急性毒性)
    子结构突出显示表明有助于结构特征
  • 修改引线结构以获得最佳的性能轮廓(结构设计)
    修改铅结构以获得最佳属性配置文件

关于Percepta平台的分子属性计算的部署选项

ACD / Labs为我们的物理化学,Adme和毒性预测者提供了许多部署选项:

桌面/瘦客户机

具有图形用户界面的个人计算机的软件安装。可以使用完整的物理化学、ADME和毒性计算器模块(带有培训功能),包括PhysChem Profiler包。

批处理

以最小的用户干预屏幕数万化合物-与Microsoft Windows和Linux操作系统(OS)兼容。插件到公司内部网或工作流工具,如管道试点。

Percepta门户/瘦客户机

基于web的分子特性预测应用程序(物理原理,ADME和毒性)和数据分析。可提供KNIME集成组件。

在企业内部网或云上的主机。适用于Linux和Windows操作系统。

资源

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

Procter&Gamble采用Percepta平台来代替来自物理实验室实验的物理化学性质值在网上预测。阅读感知器如何帮助化学家和公式师更有效地工作,并协助决策。
观看需求

实验与发表的pK一个88个头孢菌素抗生素的值与ACD / PK一个以及其他预测软件。
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。它提供了并行计算的能力,以及轻松的维护和部署。
阅读更多

我们的虚拟研讨会主要介绍如何使用ACD/Labs软件在学术界支持数据处理和属性预测软件的研究工作,并提供实践学习和使用模拟工具的远程教学。
观看录音

本发明欧洲药物审查发布的信息和数据完整性指南突出显示了ACD / Labs软件解决方案,包括我们的光谱和Concepta平台,以及新的解决方案Luminata和Katalysts D2D。
阅读更多

机器学习

成千上万的科学家已经从ACD / Labs的分子特性计算器和预测因子的机器学习能力中受益。

使用策划的实验数据来扩展培训数据库和模型的适用性域。可训练模块使ACD / Labs算法的相关性扩展到未在任何市售产品中所示的新型化学空间。

模型训练和训练数据的应用不需要理解编程,并且易于访问和适用。

在分子特性计算器中寻找什么

广泛和/或相关的化学空间覆盖 - 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。如果您正在使用新颖的化合物,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。使用您具有可靠实验数据的化合物来评估软件。

培训 - 如果您在利基化学空间或专利保护的化合物中工作,请寻找可以使用可靠的实验数据 - 内置机器学习的预测算法。

评估预测可靠性和准确性的能力——没有计算器会给每个化合物完美的结果。选择软件,为您提供有关结构/化学特征的信息,其结果是基于,或提供一个结果的准确性(或计算误差)的指示。

为什么要使用分子属性计算器和预测器?

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。Photochem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的性能作为药物,农药,除草剂或污染物等。毒性预测有助于科学家评估潜在风险。

在研发方面,分子特性计算器和预测器有助于:

  • 减少实验的范围和数量
  • 找到更好的新型化合物
  • 缩短设计阶段
  • 提高临床前成功率