导向传递信息的神经网络的应用,用于预测人类口服药品的生物可用性
Lin Wei1, Yihe Fang1, Peng Chen1
1State Key Laboratory of Biocatalysis and Enzyme Engineering, School of Life Sciences, Hubei University, Wuhan, Hubei, People's Republic of China.
这项研究引入了一个深度学习模型来预测人类口服生物可用性 (HOB),提高药物开发成功率. 这种新的方法通过将分子图形特征与物理化学性质相结合,以更快,更准确的候选药物查来提高预测.
科学领域:
- 计算化学是一种计算化学.
- 药理动力学 药理动力学
- 药物发现 药物发现
背景情况:
- 药物开发中的高消耗率源于ADMET的不良特性,特别是人类口服生物可用性 (HOB).
- 目前的HOB评估方法 (动物模型,临床试验) 昂贵,缓慢,缺乏可重复性.
- 准确预测HOB对于治疗疗效和安全至关重要.
研究的目的:
- 为准确预测人类口服生物利用性 (HOB) 开发一个深度学习框架.
- 在药物开发中克服传统HOB评估方法的局限性.
- 为优化候选药物的结构-属性关系提供见解.
主要方法:
- 导向传递信息的神经网络 (D-MPNN) 与RDKit分子描述器的集成.
- 利用原子/债券级图形特征和全球物理化学性质的混合表示.
- 采用贝叶斯优化来进行超参数调整和集体学习 (20 个模型) 以获得稳定性.
主要成果:
- 在内部验证中获得了0.8299的AUC和77.65%的准确性.
- 超越现有工具的性能,在FDA批准的药物外部验证上达到75%的准确性.
- 通过可解释性分析确定了与高HOB相关的关键分子亚结构.
结论:
- 开发的深度学习模型提供了一种新的高通量方法,用于选具有有利生物可用性的候选药物.
- 这种方法显著提高了HOB的预测准确性,有助于合理的药物设计.
- 展示了深度学习在解读复杂的结构-属性关系的潜力,用于制药优化.
更多相关视频
15:04Modeling and Simulations of Olfactory Drug Delivery with Passive and Active Controls of Nasally Inhaled Pharmaceutical Aerosols
Published on: May 20, 2016
05:44Novel Methods for Intranasal Administration Under Inhalation Anesthesia to Evaluate Nose-to-Brain Drug Delivery
Published on: November 14, 2018
相关概念视频
Bioavailability: Overview
Factors Influencing Drug Absorption: Presystemic Elimination
Factors Influencing Bioavailability: First-Pass Elimination
Analysis of Population Pharmacokinetic Data
Non-Oral Extravascular Drug Absorption Routes
Lipophilic drugs that are stable at salivary pH (6) and exhibit minimal binding to the oral mucosa are absorbed more...
Biopharmaceutics and Pharmacokinetics: Overview
