在计算药物毒性的研究进展

计算方法研究药物毒性已经并继续在药物开发的一个重要工具,和这些方法大大先进在过去5到10年。毒性问题优化过程中鉴别和发展包括生物活性、药物之间的相互作用,药物引起的肝损伤可以防止强烈的候选人进行治疗。作为一个例子,共价抑制剂存在一些吸引人的属性相对于非共价抑制剂,但需要更多的考虑潜在的不相干的毒性。无法满足药品安全标准是停药的主要动力和终止在临床开发。其他常见毒性向量包括反应性和活性代谢产物的形成、酶失活,和bioactivation机制。

我们的目标是评估的一些关键计算药物毒性的研究进展,特别是那些可能在药物开发实际有用的。例如,人工智能正越来越多地用于满足这种需求,利用机器学习的进步加速药物候选识别和优化。相比之下,结构性过滤器是常用的标记有问题的候选人。然而,这些过滤器是决定回顾性和缺乏预测能力为新和替代图案和考虑下游代谢过程。基于ai工具不仅是有用的预测功能,如分子属性预测,也为他们的生殖能力,便利的从头设计。还有其他几种方法和子任务相关的总体目标,提出了这个例子只是为了说明。

本研究课题旨在讨论进步计算应用程序的上下文中lead-finding期间药物毒性及其相关性,先导物优化、筛选、代谢和建模和药理学等主题。特别关注的是小分子和机器学习方法,但是我们也邀请研究人员考虑其他生物制药在cheminformatics和算法的方法。除了在网上发展,我们欢迎支持提交与体外或体内实验验证和结果。这个研究课题所涉及的主题包括,但不限于:

——药品不良反应
-编目/矿业药物促进毒性研究和图书馆设计的数据库
——临床试验分析
——计算毒性筛选和毒性/生物活性预测
——酶失活
——从头设计和再利用
药物之间的相互作用(DDI)
药物引起的肝损伤(帝力)
——代谢转换
- - - - - -预测分子的特性
——分子优化策略
——分子表示学习
——活性代谢物形成
——新模型和方法研究药物代谢