相关实验视频
Updated: Jun 24, 2026
12:36
Murine Precision-Cut Liver Slices as an Ex Vivo Model of Liver Biology
Published on: March 14, 2020
15.5K
开发强大的人类肝脏微体稳定性预测模型:利用与大鼠数据的物种间相关性
Pranav Shah1, Vishal B Siramshetty1, Ewy Mathé1
1National Center for Advancing Translational Sciences (NCATS), 9808 Medical Center Drive, Rockville, MD 20850, USA.
Pharmaceutics
|October 26, 2024
概括
我们开发了人类肝脏微小体 (HLM) 稳定性的预测模型,使用机器学习实现了超过80%的准确性. 这种在广泛的实验数据上训练的模型,通过有效地预测化合物稳定性,有助于早期药物发现.
科学领域:
- 药物发现和开发 药物发现和开发
- 药理动力学和药物新陈代谢
- 计算化学和化学信息学
背景情况:
- 药物动力学问题是药物消耗的主要原因,需要在早期评估.
- 微体稳定性等体外测定对于评估药物的药理动力学概况至关重要.
- 高通量查产生了大量的数据,但资源密集的测试,如人类肝脏微小体 (HLM) 稳定性需要替代策略.
研究的目的:
- 为人类肝脏微小体 (HLM) 稳定性开发一个可预测的in silico模型.
- 利用大规模的实验数据来训练机器学习模型.
- 为早期药物发现提供可访问和准确的工具.
主要方法:
- 使用内部数据集开发HLM稳定性预测模型.
- 应用经典机器学习和先进技术,包括神经网络.
- 使用外部测试集验证模型,并与现有文献模型进行比较.
主要成果:
- 在HLM稳定性预测方面实现了超过80%的模型准确度.
- 证明了与文献中最先进的模型可比的性能.
- 当结合大鼠肝微小体 (RLM) 稳定性预测时,观察到改善了HLM模型的性能,突出了跨物种数据实用性.
结论:
- 开发的HLM稳定性预测模型为药物发现社区提供了有价值的工具.
- 该模型和数据集的一个子集可以通过ADME@NCATS网站公开访问.
- 这代表了同类最大的开源模型,独特地利用跨物种数据.
