- 综合排序
- 最热优先
- 最新优先
- 来自专栏智药邦
Future Med Chem｜企业级ADME性质早期预测模型的开发与应用
摘要 背景：准确预测药物的吸收、分布、代谢和排泄(ADME)特性，有助于筛选出有潜力的候选药物。 gTPP模型的性能优于商用的ADME预训练模型和自动模型构建器。本研究通过一种新颖的记录方法，报告了gTPP在200多名杨森药物发现科学家中的使用情况。 前言 近年来，基于不断改进的人工智能(AI)的化学性质预测方法，促进了ADME预测的发展。 作者从一个全面的角度描述了从实施计算机ADME预测和药代动力学(ADME-PK)特性预测方法中吸取的主要经验教训。 研究者探讨了如何不断地深入了解AI/ML工具对ADME属性预测的预测能力，以及如何将其更好的纳入日常决策中。
1K20编辑于 2021-12-06 - 来自专栏类器官/器官芯片/3D培养
RepliGut人源肠道模型在ADME与肠-肝MPS研究中的应用：替代Caco-2的人源化肠道体外模型解析
ADME研究需求？ 从整体来看，RepliGut不仅能够提升体外肠道模型的人体相关性，同时还能更好地支持现代药物研发对复杂ADME研究的需求。 五、RepliGut在人源肠道ADME研究中的应用价值目前，RepliGut已经被应用于多个ADME与临床前研究场景。 因此，肠-肝联合系统被认为是未来ADME研究的重要发展方向之一。通过将RepliGut与肝脏MPS连接，研究人员能够更真实地观察药物在人体中的动态行为。 这些结果说明，多器官联用体系在现代临床前药物研究中具有重要发展潜力，尤其是在复杂ADME研究与人体相关性预测方面。
10110编辑于 2026-05-13 - 来自专栏细胞培养
人肝非实质细胞NPC如何突破传统肝细胞模型局限？Kupffer Cells、肝星状细胞与LSECs应用解析
本文围绕库普弗细胞（KupfferCells）、肝星状细胞（HSCs）以及肝窦内皮细胞（LSECs）的功能特点与应用价值展开介绍，并分析肝NPC在药物ADME-Tox评价、NASH/NAFLD研究、肝纤维化机制研究以及 关键词：人肝非实质细胞；肝NPC；KupfferCells；肝星状细胞；LSECs；肝病模型；药物ADME-Tox；NASH；肝纤维化；3D肝脏模型；原代肝细胞一、为什么传统单一肝细胞模型越来越难满足现代肝病研究需求 五、LSECs在药物ADME与肝脏微环境中具有哪些作用？ 例如，在NAFLD/NASH研究中，单一肝细胞模型通常只能诱导脂肪变性，而难以同步复现炎症与纤维化过程；在药物ADME-Tox研究中，单一肝细胞体系也难以完整模拟免疫介导型肝毒性与药物转运过程。 七、肝NPC在药物ADME-Tox与NASH研究中的应用价值目前，包含肝NPC的高生理相关性肝模型已经被广泛用于：药物ADME研究DILI评价NASH/NAFLD研究肝纤维化机制研究3D肝脏模型构建生物人工肝研究在药物研发过程中
4410编辑于 2026-05-18 - 来自专栏智药邦
Drug Discov Today｜赛诺菲：机器学习引导的早期小分子药物发现
我们总结了根据小分子结构预测ADME特性的进展和当前的策略、根据分子筛选和优化所需的特性来预测结构的策略。 PK是对药物动力学的研究，主要取决于体内的ADME过程，而PD则是对药物在体内的影响进行量化，它可以包括多种动力学，如生物标志物反应、肿瘤进展、细胞因子释放和其他。 ADMETlab是一个平台，可以进行药物相似性分析、ADME预测、系统评价和针对超过280,000个条目的大型数据库的相似性搜索。 这种方法在较小的已知化合物数据集上训练模型，以揭示ADME参数与较大的未知化合物样本的PKPD或PBPK模型的输出参数之间存在的关系。 除了从ADME特性预测PK曲线外，从临床前到临床阶段的PK和PD反应曲线的转化在选择候选药物时也起着重要作用。
1.1K10编辑于 2022-04-13 - 来自专栏细胞培养
人原代肝细胞长期培养模型比较：HepatoPac、Spheroids与TCS在慢代谢药物ADME研究中的应用解析
因此，HepatoPac、肝细胞球体（Spheroids）以及三培养系统（TCS）等长期原代人肝细胞模型，逐渐成为药物代谢研究和ADME评价中的重要体外工具。 关键词：人原代肝细胞；PrimaryHumanHepatocytes；HepatoPac；Spheroids；TCS；药物代谢；慢代谢药物；肝细胞模型；ADME；药物筛选；LifeNetHealth一、 因此，在临床前阶段建立更接近人体肝脏代谢状态的体外模型，对于药物暴露预测、代谢产物鉴定、DDI风险评估以及后续ADME研究都具有重要价值。 八、总结随着慢代谢药物研究、复杂连续代谢研究以及ADME评价需求不断增加，长期原代人肝细胞培养模型正在逐渐成为药物研发中的重要工具。 未来，随着原代肝细胞来源优化、长期培养技术完善以及体外代谢模型标准化程度提升，人原代肝细胞长期培养体系有望进一步提升药物代谢预测能力，并在新药研发、安全性评价、体外ADME研究以及个体化医学研究中发挥更重要作用
13210编辑于 2026-05-13 - 来自专栏生信小驿站
网络药理学TCMSP数据库
原文叙述： 在TCMSP中选择“Herb name”检索得到海藻、黄 芪、丹参、熟地黄、鱼腥草、荆芥穗的分子ADME参数信 息，由于该数据库尚未收录牡蛎相关的分子信息，故通 过查阅文献得到牡蛎相关的成分 ，并在TCMSP中选择 “Chemical name”得到这些成分的ADME参数信息。
3K20发布于 2020-08-11 - 来自专栏DrugOne
Nat. Commun. | 人工智能结合定量药理学模型以优化非洲地区的疟疾与结核病治疗方案
同时，整合1000基因组计划数据，提取非洲特有与富集的变异型（AFR-abundant 与 AFR-specific），并构建ADME相关基因列表。 在模型构建上，研究人员开发了多层次的AI预测框架： 利用知识图谱嵌入（Bioteque）与药物描述符（包括化学指纹、理化性质、ADME参数等），训练药物–基因二分类器； 基于PharmGKB正样本与随机负样本进行交叉验证 进一步分析显示，ADME基因在PGx注释中占比明显高于非ADME基因，尤其是CYP450家族与转运体基因富含非洲特有变异。 图1：PharmGKB 数据与非洲基因变异的总体分布与特征图。
27910编辑于 2025-11-17 - 来自专栏智药邦
AI+Enamine REAL数据库｜SyntheticGestalt与Enamine达成合作
SyntheticGestalt 与全球领先的化学砌块（chemical building blocks）、化合物筛选和综合药物发现服务供应商Enamine达成合作，创建一套人工智能模型，以生成具有优化的物理化学和ADME SyntheticGestalt将把REAL数据库添加到其药物发现服务中，该服务使用专有的人工智能模型对化合物的物理化学和ADME/ Tox特性进行预测。 该研究中使用的人工智能平台具有基于云的可扩展结构，可对大型药物库进行预测，从而可以预测理化和 ADME/毒理学特性和早期毒性，以及酶的功能。
64410编辑于 2024-03-05 - 来自专栏百味科研芝士
【文献解读】3分+网络药理学文献套路
二 明确复方的所含化学成分 作者利用TCMSP，HIT，TCMID三个数据库获取研究对象中所含有的化合物，接着对于获得的化合物，作者基于ADME进行筛选，ADME是指absorption（吸收）, distribution
5.2K30发布于 2019-10-28 - 来自专栏DrugOne
JCIM | 可解释人工智能助力临床前相关性评估
该研究通过将积分梯度可解释人工智能（XAI）方法应用于图神经网络模型，提高了理性分子设计的建模透明度，并基于四个药理学相关ADME终点的实验，验证了所提出的方法能够突出与已知药效团基序一致的分子特征和结构元素 研究背景 成功的候选药物不仅要对特定的靶蛋白或通道具有足够的活性，还要具有合适的吸收、分布、代谢和排泄（ADME）特性和安全性。 研究团队在此背景下开发了一个基于结构和特性的XAL方法，即积分梯度特征归因技术，用于检验其对ADME和安全相关终点的实用性。 3.能够识别由分子特性（例如log P、TPSA）介导的“非特异性”配体-蛋白质相互作用——全局重要性分析 许多ADME和相关毒理学终点，例如被动渗透性或血浆蛋白结合参数，不仅仅以特定的结构基序为特征， 总结 本研究描述了一个流行的XAI框架（积分梯度特征归因技术）在四个药理学相关ADME终点（血浆蛋白结合、hERG通道抑制、被动通透性和细胞色素P450抑制）的应用。
75930发布于 2021-07-05 BalancedDiff：重塑高质量分子生成的平衡艺术--深度解析扩散模型在药物设计中的突破
其创新点包括设计 Balance Loss 以平衡样本偏差、KAN-based Balanced Feature Filtering (KBFF) 模块以平衡分子特征与空间信息、引入 QikProp 模块评估 ADME 评估时，生成的配体分子需经过分子重构、完整性检查和 QikProp 的 ADME 评估，再用一系列指标评估质量。 1. 多维度评估体系：从生成到成药的全链条筛选 为解决“生成数量多但实用价值低”的问题，BalancedDiff构建双层评估机制： • 第一层：通过QikProp模块预测ADME性质，过滤Stars>5（超过 但该方法仍存在局限：MQS的权重设置依赖经验判断，可能引入主观偏差；对复杂靶点蛋白的泛化能力有待验证；QikProp预测的ADME性质与真实生物环境存在差异。
12110编辑于 2026-01-08- 来自专栏智药邦
药物发现中的深度学习
多向算法在QSAR分析、药物从头设计、ADME评估、物理化学分析、临床前开发，以及临床试验数据精确性方面发挥着至关重要的作用。 5 ADME属性 吸收(Absorption)、分布(Distribution)、代谢(metabolism)和排泄(excretion)，是被认为是药物开发过程的重要评估参数的药代动力学属性（见图3） 英国GlaxoSmithKline公司开创了成功的计算ADME建模。多任务学习被认为是药物开发过程中的一种有优势的模式。 有研究者开发了多任务的图神经网络模型、多种机器学习工具结合方法用于预测化合物的ADME属性。 图3 深度学习算法在药物发现中的应用，包括从头药物设计、理化性质预测、药物亲和力预测、QSAR、ADME性质预测、毒性分析，以及最新应用于SARS-CoV-2的药物发现。
85920编辑于 2023-02-14 - 来自专栏智药邦
AI+CRO｜查尔斯河与Valo联合推出集成的AI药物发现解决方案Logica
Logica-AL旨在为客户提供具有所需特性 (如体外吸收、分布、ADME和选择性) 的、高度先进的、强活性的先导物和候选药物。 Logica整合了预测模型、化学设计和合成能力、DNA编码库、来自Valo计算平台的计算高通量筛选，以及查尔斯河在发现优化的所有方面 (包括高通量筛选、药物化学、ADME、生物学、药理学，以及最终的安全性测试和
51710编辑于 2022-06-08 - 来自专栏DrugOne
使用图生成多任务模型缩小基于靶标和基于细胞的药物发现之间的差异
ADME（吸收、分布、代谢和排泄）分析用于选择具有所需特性的药物以增加细胞药物暴露，但这种方法可能无法确保药物在体内的疗效。 ADME分析用于选择具有所需特性的药物以增加细胞药物暴露。 图2.数据搜集和ADME性质分析 模型训练和性能 为了选择一个基于图的神经网络作为多任务模块的基础模型，作者选用GAT和GROVE在SARS-CoV-2数据集上进行单任务实验。 实际上，由于细胞通透性和代谢稳定性等多种原因，在药物开发过程中，化合物的靶点抑制作用和细胞活性之间仍存在差异，仅基于传统 ADME分析可能无法有效地挑选出体内有效的化合物。 为了应对这一挑战，作者提出了一个框架来解决这个问题，主要贡献如下：首先，作者构建了一个与 SARS-CoV-2 相关的数据集，包含体外和体内的有效化合物；其次，基于该数据集，作者证明了与ADME特性相关的传统方法可能无法准确地选择体内有效化合物
65210编辑于 2022-11-28 AI时代的药物研发，该如何衡量 成功 ？
近年来，AI技术以前所未有的速度渗透进制药研发的各个环节——从靶标发现、虚拟筛选，到分子生成、ADME性质预测。 6.3 ADME性质预测模型 目标不只是预测准确，而是支持决策 对ADME预测模型而言，高R²和低MAE是必要条件，但不是充分条件。静态测试集的表现往往无法反映真实项目中的预测效用。 若ADME预测模型真正发挥了作用，这条曲线应随时间向目标方向漂移。 AI筛选相对传统方法的成本效益 生成式AI 新颖性加权影响 来源于GenAI且满足新颖性阈值（Tanimoto<0.8）的已合成化合物数量 量化系统对新颖化学物质的贡献（创新），而非简单的类似物挖掘 ADME
9410编辑于 2026-05-14- 来自专栏DrugOne
Nucleic Acids Res | 药物靶标和转运体信息系统
同时，另一类重要的影响药物ADME性质的生物大分子—药物转运体（以下简称“转运体”），近期更已成为了新药发现领域的前沿热点。 4 全面挖掘批准和临床药物的转运体信息 药物在体内的吸收、分布、代谢和排泄（ADME）与其转运体关系密切。 对临床和临床前药物的研究进一步发现了89新型转运体，这些转运体的发现对药物的ADME研究打开了新的窗口，有助于研究者发现新的研究方向。 ?
88670发布于 2021-02-01 - 来自专栏类器官/器官芯片/3D培养
人原代肝细胞3D肝球培养技术解析：LifeNet长期稳定肝球模型在药物代谢与肝脏研究中的应用
关键词：人原代肝细胞；PrimaryHumanHepatocytes；3D肝球；肝细胞球体；LifeNetHealth；肝毒性；药物代谢；ADME；肝细胞培养；长期培养模型一、为什么3D肝球模型正在逐渐替代传统 此外，在毒理学研究中，3D肝球还能够用于环境污染物、食品添加剂以及复杂化学物质对肝脏影响的长期评价，因此近年来在ADME与安全性评价方向的应用逐渐增加。图3：人原代肝细胞及相关培养体系。 这类长期稳定3D肝模型正在成为现代ADME研究、慢性毒性评价以及肝疾病机制研究中的重要工具。本文基于原代人肝细胞、3D肝微球等应用文章和公开资料曼博生物整理，用于科研与技术交流和实验参考。
9610编辑于 2026-05-14 - 来自专栏智药邦
一个分子，双重突破：AI制药再获验证，英矽智能提出肿瘤免疫耐药新解法
截至目前，ISM4312A在临床前实验中显示了优异的生物学活性、激酶选择性、ADME性质、强大的体内抗肿瘤活性，以及安全性。 此外，ISM4312A还表现出优秀的ADME性质、口服生物利用度，以及良好耐受性。对生物标志物和联合用药机制的深入研究正在进行，英矽智能有望为肿瘤免疫疗法提供一种新的治疗选择。
78220编辑于 2023-02-14 - 来自专栏DrugOne
Acta Pharmacol. Sin.｜从数十万分子到有效抑制剂：AI+实验的JAK2发现流程
随后，对化合物进行虚拟筛选、分子对接和聚类分析；排名靠前的分子进一步接受分子动力学模拟、ADME性能评估及抑制活性实验，最终获得具有预测JAK2抑制活性的优选候选物(图2d)。 ADME性质分析 对经过MD模拟筛选出的四个候选分子进行了ADME性质评估。结果表明，所有候选分子均符合常规类药性规则，即氢键供体数不超过5，氢键受体数不超过10，且QlogPo/w值小于5。 表6 所筛选JAK2抑制剂的计算机模拟ADME性能分析结果 JAK2抑制实验评估 采用剂量–反应分析方法，对筛选得到的四个最优化合物及阳性对照药物tofacitinib的JAK2激酶抑制活性进行了评估。
19720编辑于 2026-03-02 - 来自专栏生信修炼手册
值得借鉴的eQTL可视化形式
除此之外，也可以借鉴GWAS分析结果的展示形式，绘制曼哈顿图和QQ图，在以下文章中，就采用了曼哈顿图来展示eQTL的结果 Genomics of ADME gene expression: Mapping
3.1K32发布于 2019-12-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号