DDT | 类药性研究中常用的在线工具

类药性概念

类药性的概念可以给早期阶段药物研发提供有用的指导，这些指导可以提高化合物进入以及通过临床试验的机率。类药性可以被总结为药物的物理化学性质之和。1997年，Lipinski提出的类药’五’原则（Ro5）便是其中杰出的代表，它可用于预测药物是否具有良好的口服吸收率。但是随后，更多的类药性质被开发以及利用起来，如RDL，GAU等等。目前，尚没有表征分子类药性的一个绝对标准。

亮点

（1）在线资源可促进分子类药性研究。

（2）高质量和最新的数据库对于评估药物相似性至关重要。 

（3）Web服务器为进一步的药物优化提供了有用的指导。

（4）在天然产物中可以十分便利的挑选出具有新型骨架的类药物分子。

（5）深度学习在类药性方面的预测十分有前景。

常用药物数据库

类药性的推测一般基于药物的结构以及理化性质。为了考虑药物的共同属性，有必要选择一些独特的化合物库。支持类药性性研究的数据库必须包含以下方面：化学结构，物理化学性质，ADMET相关数据，类药相关属性（规则和评分）以及数据集。在本文中，作者列出了七个常用的药物数据库。

图1. 常用药物数据库

图片来源:Drug Discovery Today

类药性预测的免费在线工具

对分子的ADMET特性进行实验评估既昂贵又费时。但是，在当前网络技术已被开发为替代方法。多种方法可以集成到Web服务器中，准确，可靠地预测分子的类药性。例如，人工智能方法可以系统地预测ADMET。与分子特征相关的规则和评分可以用于评估分子类药性。在本文中，作者列出了七个可以帮助研究人员预测ADMET和分子类药性的Web服务器。 

图2. 免费在线资源

图片来源:Drug Discovery Today

总结

在这篇综述中，作者总结了一些免费访问的，可进行类药性评估的在线资源。高质量公共综合数据库对于构建类药性评价的规则或模型至关重要。数据库中应该包括化合物的化学结构，理化描述符，ADMET和类药特性。作者还强调了将AI方法（尤其是DL）应用于药物研究的重要性。

参考文献

Jia, C. Y., et al. (2019). "A drug-likeness toolbox facilitates ADMET study in drug discovery." Drug Discovery Today.

相关文章