C2PO:通过化学修饰来优化循环的膜透性
Roy Aerts1,2, Joris Tavernier3, Alan Kerstjens4
1Laboratory of Medicinal Chemistry, Department of Pharmaceutical Sciences, University of Antwerp, Universiteitslaan 1, Wilrijk, 2610, Antwerp, Belgium.
Journal of cheminformatics
|November 11, 2025
概括
我们开发了C2PO,这是一种深度学习工具,可以优化循环膜的透性. 该应用程序有助于设计口服生物可用类药物,通过改善细胞透,这是药物发现的一个关键挑战.
科学领域:
- 药物的发现和开发.
- 计算化学是一种计算化学.
- 在药理学中的机器学习.
背景情况:
- 治疗性提供高强度和选择性,但面临诸如管管理等挑战.
- 循环增强了口服生物可用性,但与膜透性作斗争.
- 改善循环胺膜的透性对于口服药物输送至关重要.
研究的目的:
- 开发一种深度学习模型,用于预测循环皮质膜的透性.
- 创建一个优化器应用程序 (C2PO) 来增强循环膜的透性.
- 为了证明C2PO在药物发现的直接分子优化中的实用性.
主要方法:
- 在公开可用的循环数据上训练了一种深度学习回归模型.
- 为了分子优化,集成了一个高效的estimator2generative包装.
- 使用分子校正工具来完善生成的化学结构.
主要成果:
- 开发的模型准确地预测了循环胺膜的透性.
- 通过化学修饰,C2PO可直接优化膜的透性.
- 后校正工具成功地解决了生成分子中不熟悉的化学成分.
结论:
- C2PO是一个新的,ML驱动的应用程序,用于优化循环皮质膜的透性.
- 这种工具有助于设计口服可生物利用的疗法.
- 在将机器学习应用于类药物发现方面,C2PO代表了重大进展.


