查看原文
其他

DDT | 类药性研究中常用的在线工具

中大唯信 唯信计算 2022-06-15

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


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存