提高透性数据的准确性以获得预测能力:评估使用单层细胞测试中的可变性来源
Cristiana L Pires1,2, Maria João Moreno1,2
1Coimbra Chemistry Center-Institute of Molecular Sciences (CQC-IMS), University of Coimbra, 3004-535 Coimbra, Portugal.
Membranes
|July 26, 2024
概括
实验数据的变化阻碍了准确的药物透性预测. 本综述分析了数据不一致性,并提出了可靠的定量结构-透性关系 (QSPR) 的策略,以改善药物开发.
科学领域:
- 药理学和药物发现
- 计算化学计算化学
- 生物技术是生物技术.
背景情况:
- 预测化合物通过生物膜的透对于药物的疗效,药理动力学和安全至关重要.
- Caco-2细胞单层被广泛用于体外模型来评估肠道透性,产生许多明显透系数 (Papp) 值.
- 大量的Papp值数据集使得使用人工智能开发定量结构-透性关系 (QSPR) 成为可能.
研究的目的:
- 为了应对由于实验协议变化而导致同一化合物的多个Papp值的挑战.
- 系统地和定量地评估Papp数据在实验室内和实验室之间变化的来源.
- 解释这种变异性对QSPR建模和药物透性预测准确性的影响.
主要方法:
- 审查和分析包含Papp值的现有文献和数据库.
- 在不同的实验条件和实验室中对Papp数据的变异性进行定量评估.
- 对导致数据不一致的共同来源进行系统评估.
主要成果:
- 对于Papp值在实验室内和实验室之间存在显著的变化,影响了QSPR模型的可靠性.
- 实验协议的差异被认为是数据不一致的主要原因.
- 这种变化的规模和对预测建模的影响被量化评估.
结论:
- 编制一致可靠的Papp数据对于开发强大的QSPR至关重要.
- 建议采用获得标准化数据的策略,以提高QSPRs的预测能力.
- 改进的QSPR将促进更准确的药物透性的预测,帮助药物发现和开发.
