首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

我正在生成一个程序,通过为用户提供值来提供有关lipiniski规则的信息(对于类似药物的分子)

对于类似药物的分子,利平斯基规则(Lipinski's Rule)是一种常用的药物设计准则,用于预测分子的药物性质和药代动力学特性。利平斯基规则主要包括以下四个方面:

  1. 分子的分子量(Molecular Weight)应小于500。这是因为较大的分子量可能导致药物在体内吸收、分布、代谢和排泄方面出现问题。
  2. 分子的脂溶性(LogP)应小于5。脂溶性是指分子在脂质体内的溶解度,较高的脂溶性可能导致药物在体内过度蓄积或难以被排泄。
  3. 分子的氢键受体数(Hydrogen Bond Acceptors)应小于10。氢键受体数较多可能导致分子在体内与其他分子发生过多的相互作用,影响药物的活性和选择性。
  4. 分子的氢键供体数(Hydrogen Bond Donors)应小于5。氢键供体数较多可能导致分子在体内与其他分子发生过多的相互作用,影响药物的活性和选择性。

利平斯基规则的应用场景主要是在药物设计和药物筛选过程中,通过评估分子的物理化学性质,预测药物的吸收、分布、代谢和排泄等性质,从而提高药物的研发效率和成功率。

腾讯云相关产品中,与药物研发和分子模拟相关的产品包括:

  1. 腾讯云分子对接(https://cloud.tencent.com/product/mdock):提供分子对接服务,用于预测分子之间的相互作用和药物靶点的筛选。
  2. 腾讯云生物信息分析平台(https://cloud.tencent.com/product/bioinfo):提供生物信息学分析工具和服务,可用于分子序列分析、蛋白质结构预测等。
  3. 腾讯云人工智能平台(https://cloud.tencent.com/product/ai):提供人工智能相关的工具和服务,可用于药物分子的智能设计和优化。

通过利用腾讯云的相关产品,研究人员可以更高效地进行药物研发和分子模拟工作,加速药物的发现和开发过程。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

JMC | 人工智能在药物合成中的当前和未来作用(3)

有关路线演变讨论记录在文献报告中,但是当翻译成数据库条目时并不会总是被捕获。该信息对于化学家确定合成路线策略非常有用,但在构建模型时不会捕获。...如前所述,礼公司在训练逆合成模型时仅发现将USPTO包含在其内部数据中好处不多。这些结果表明,内部反应数据集可能包含药物化学程序中最常使用主要“主力”反应足够代表性示例。...药物化学程序中,需要访问与当前分子不同化学空间,因此新反应类型对于合成非传统,日益复杂目标分子可能是必不可少。...更好办法是还提供一个开放训练数据集,以使训练和测试集对于每个发布数据驱动模型都是通用。由于某些系统在其算法中纳入了专家编码规则,因此基准化后合成软件也变得很复杂。...材料科学中大型催化体系设计方面的进展已有报道,但在合成小分子有机化合物催化中所公开内容很少。催化反应化学空间通常非常受限制,这对于用于分子生成数据集生成提出了问题。

64760

REINVENT2.0:阿斯利康基于AI从头药物设计工具

我们还观察到在从头设计中使用生成模型两个主要趋势:分布学习和目标导向生成。分布学习主要集中在产生类似于特定分子概念上。...对于开采,用户定义了一个感兴趣领域,并重点生成具有相似结构特征化合物。相比之下,勘探模式使他们能够获得结构相似度较小但仍满足其他期望特征化合物。...这意味着不仅需要利用预测模型和结构相似性/相异性,而且需要利用各种基于规则评分组件推动或远离化学空间特定区域。...分数也可以通过一个多样性过滤器调节,它惩罚冗余并奖励所找到多样性,从而激发探索。对每个用例都实现了详细记录。此外,还提供了向远程REST端点发送日志选项,使得应用程序可以放在Web界面后面。...将其设置为更高显然会导致更少化合物通过阈值。 强化学习 生成分子过程往往需要将生成模型导向包含感兴趣化合物化学空间。

92720
  • Drug Discov Today|MD安德森癌症中心:利用AI增强临床前药物发现

    • 可解释AI提供结果透明,信息丰富且具有可理解性。 摘要 人工智能(AI)正在成为药物发现不可或缺一部分。‎它有可能在整个药物发现和开发价值链中发挥作用‎,从靶点识别开始,一直到临床开发。...为此,使用转化生物标志物提供有关靶点调节,靶点参与,确认机制证明(POM)信息,并用于设计分层临床试验,用于降低临床开发风险。...Liu等人开发了一种用户友好开源Web服务器,称为DeepScreening,它允许用户使用ChEMBL生物活性数据或用户提供VS数据集构建和验证RNN模型。...生成化学依赖于使用基于AI现代生成建模工具来生成具有类似药物特性可合成化合物,同时满足所需靶点特性。...因此,对于复合设计,需要可解释AI(XAI),它提供透明,信息丰富和可解释结果驱动复合设计。然而,现代XAI算法正在发展,可以帮助解释这些黑盒模型。

    52320

    交互式虚拟现实技术在药物发现中新兴潜力

    所用复合物结构是用自动对接程序AutoDock Vina生成用户发现,通过在VR中查看分子,它允许用户通过移动他们直观地探索狭窄结合袋腔。...这是一个很好演示,说明用户可以在VR中利用他们空间意识注意结构中规则性,否则在二维屏幕上可能会被忽略。 图3....最近,交互式VR(特别是使用Nanome)被用来生成一个分子结构类似物,目的是创建一个SARS-CoV-2主蛋白酶(Mpro)抑制剂。...用户可以提供移动原子力,而OpenMM对牛顿运动方程进行数值积分,并提供原子新位置。对于一个时间步,这个过程都会重复,以提供一个IMD-VR用户有效操纵轨迹。...尽管有大量传闻证明VR工具比类似的非VR可视化和操作程序有所改进,但仍迫切需要设计良好、测试严格用户研究和人机交互实验量化这种改进。

    83620

    . | 从大规模量子化学数据中学习分子力学力场

    开发可靠且可扩展分子力学(MM)力场——这些快速用于描述分子系统势能面的经验模型——对于生物分子模拟和计算辅助药物设计是不可或缺。...espaloma-0.3在单个GPU上训练一天即可拟合一个包含超过110万次能量和力计算多样化量子化学数据集,能再现与药物发现高度相关化学领域(包括小分子、肽和核酸)量子化学能量特性。...分子系统总势能UMM由坐标x定义,通过为系统中每个原子或价键项(键、角、扭转)指定力场参数ΦFF = {Kr, Kθ, r0, θ0, Kø,n, ø0, q, σ, ε}i确定。...Espaloma 提供一个灵活、端到端可微分框架,用于使用GNN分配分子力学(MM)参数 图1:Espaloma在三个连续阶段中参数化分子系统 如图1所示,Espaloma类似于基于原子类型力场操作...阶段1 图神经网络生成连续向量化原子嵌入,取代离散原子类型规则。首先,使用诸如RDKit之类化学信息学工具包,将分子系统抽象为一个图,其中节点和边分别表示原子和共价键。

    7510

    人工智能和机器学习在药物发现中应用

    在1060个类似药物空间里,药物化学家必须利用多种方法和多年培训和经验获得一个"体面"结构,这些结构有可能被合成并击中有关靶点,同时具有有吸引力特性。...像生成对抗网络(GANs)和LatentGANs这样方法已经提供了训练模型和生成特定目标分子方法。此外,还有人通过利用基因表达信息生成化合物,使化学和生物学相互接近。...这些方法不仅可以生成靶点特异性或靶点结合性分子,还可以带来所需转录组特征。 在可能情况下,在生成化学过程中允许逆合成成为潜在一部分是有用,这样用户就可以获得合成上可行化合物。...2.模型不仅应该是可预测,而且应该为每一个预测提供 "信心",以便用户能够评估预测质量,特别是如果预测将被用于任何下游计算,例如剂量预测等。...不同团队已经开发了反应规则、预测模型,用于生成分子合成路线,以及预测反应产量和条件。 这一领域仍在不断发展,新规则不断产生,使模型更加强大。

    90630

    Survey | 基于图卷积网络药物发现方法

    简介 药物开发是一个昂贵且耗时过程,其需要测试数千种化合物以找出安全有效药物。现代药物开发旨在利用药物开发机器学习工具加速中间步骤并因此降低成本。...对于由原子和化学键组成药物和小分子有不同类型结构,即图形,对于它们其中每个原子是节点,每个化学键是边缘。一个简单尝试是对分子类似地适应卷积过程。...最近工作还表明,谱卷积可以表征为空间卷积特殊情况。但是,由于理论基础不同,仍然将它们视为以下各节中单独卷积运算。在两个域中都定义了卷积,生成GCN利用卷积过程编码隐藏表示和生成分子图。...虽然大型数据库正在变得可用,但由于以下原因仍然存在不足。首先,对于某些分子特性可用数据被限制或扩展为不同小数据集。...例如,在疾病-蛋白质网络分析中,作者发现疾病途径不对应于单个连接良好组分,而更高阶网络结构为疾病途径发现提供了额外信息。 现有图卷积对规则图形进行操作,而对于某些关系可以形成超图形。

    1K40

    近年来GSK在AI药物研发领域发表11篇论文

    据葛兰素史克(GSK)官网称,GSK在2020年一个季度中生成数据,比公司之前300年历史中生成还要多。GSK正在以前所未有的速度、规模和精度解码这些数据。...几十年,量化化学结构相似性一直被频繁用于药物发现,并且经常被用作先导化合物优化设计原则。 基于图方法在化学和药物发现中越来越重要,其应用范围从QSAR到分子生成。...分子生成要求在适当化学空间内设计出高质量、类似药物分子。许多算法已被提出用于分子生成。然而,一个挑战是如何评估所产生分子有效性。...其中一个基于匹配分子分子生成算法在所有测试中都表现出色,因此为机器驱动药物化学设计工作流程提供一个有价值组成部分。...本文描述了ProtoCaller,这是一个开源conda可安装Python库,它试图通过为自由能工作流所有步骤提供可定制统一接口解决上述挑战。

    54920

    . | 基于匹配分子对分析先导物成药性优化专家系统OptADMET

    (2)生成分子结果:计算完成后,OptADMET展示所有匹配项及相关统计。界面显示原始分子信息生成分子分布图、属性区间统计表等,并且提供PDF报告和详细信息选项。...其中有原始分子信息生成分子列表。其中,可点击“Rule ID”查看每个分子使用转化规则详细信息。...为确保规则可信度,对于连续,要求至少有10个MMPs,对于二分类,要求至少有5个MMPs。因此,我们得到了41,779个实验转化规则和146,450个扩展转化规则,用于分子优化(见图2)。...总结 综上所述,OptADMET是一个基于网络综合平台,旨在改善潜在药物候选化合物ADMET性质。它提供了化学转化规则库及其扩展库,以及用于ADMET多参数优化功能。...OptADMET开发为药物化学家提供一个有价值资源,可以指导和加速药物优化过程。 参考资料 Yi, J., Shi, S., Fu, L. et al.

    17310

    深度学习在药物发现领域兴起

    最近,有关计算化学和生命科学领域DL应用一些评论已经发表。这里,我们更关注药物开发中DL应用,特别是化学信息学和生物图像分析领域,并强调目前在药物开发中使用DL结构。...另一种方法称为图形卷积模型,其基本思想类似于UGRNN方法,该方法使用NN来自动生成分子描述向量,并通过训练NN学习向量值。...由不同卷积运算产生载体首先经历softmax变换,然后被总结以形成化合物最终载体,该化合物是编码分子水平信息神经指纹。神经指纹通过另一个完全连接NN层来生成最终输出。...然而,他们方法需要一种奖励功能,其结合手写规则惩罚不良类型结构,否则将导致对奖励利用,从而导致不现实简单分子。...为了克服这个缺点,Olivecrona等提出了一种基于策略强化学习方法调整预先训练RNN,以产生具有给定用户定义属性分子

    1K40

    . | 可解释性人工智能(xAI)遇上药物发现

    特征归因方法 … 给定回归或分类模型 F:X ∈[Rķ→ R (哪里 [R指实数集,而K(作为[R)是指实数k维集),特征归因方法是一个函数 Ë:X ∈[Rķ→[Rķ它接受模型输入并产生一个输出,该输出表示每个输入要素对于用...对比解释方法通过生成“相关肯定”和“相关否定”集合提供分类器基于实例解释性。 ?...此外,反事实推理通过为人类决策者公开有关模型和基础训练数据潜在新信息,进一步提高了信息量。 据作者所知,基于实例方法尚未应用于药物发现。作者认为,他们在从头分子设计几个领域都充满希望。...对于人类决策来说,用xAI生成解释必须是非琐碎、非人工,并且对各自科学界有足够信息量。...考虑到这一点,开发用于深度学习新型可解释分子表征将构成未来几年关键研究领域,包括开发自我解释方法,通过在提供足够准确预测同时提供类似人类解释克服不可解释但信息丰富描述符障碍。

    68540

    . | 定量构效关系(QSAR)建模和深度学习在药物发现中应用

    在这些新方式中,传统描述符工程(涉及生成和选择最具信息数值分子描述符)被分子嵌入所取代,其中分子通过人工创造高维空间中向量表示,并在使用神经网络架构学习任务中被应用。...近期研究表明,深度QSAR方法相对于传统QSAR方法一个重要优势是,它们可以通过知识转移更有效地解决多目标优化任务,即同时使用不同任务可用不同数据提高每个任务预测准确性。...最著名方法是化学语言模型,它利用分子SMILES字符串文本表示学习字符串内在语法,并生成对应于新颖现实分子新字符。此外还有其他生成学习架构,包括结合基于规则和无规则网络混合方法。...为了增加生物活性预测信心,可以使用模型集成,结合多数投票方法进行预测。计算模型能在几秒至几小时内向药物化学家提供潜在新药候选物,因此,在这个过程中,合成化学物进行后续实验评估仍然是一个时间限步骤。...对于这些靶标,使用蛋白质独立配体描述符估计尚未对接化合物连续Glide SP,同时只使用数据库10%或20%进行训练。

    84110

    Drug Discov Today|人工智能增强药物设计和开发:迈向计算型精准医学

    通过提供前所未有的关于病人特性和候选药物特性知识水平,人工智能正在促进计算精准医学出现,允许根据个体病人在生理学、疾病特征和环境风险方面的特殊性,设计治疗或预防措施。...人工智能驱动预测模型可以通过使用特定数据集来生成,为整个药物发现、开发和注册步骤中一系列决策提供信息(图1)。...通过提供一种手段获取与诊断、患者特征、候选药物性质和治疗反应预测有关数据价值,人工智能实现了一种更加个性化方法,被称为 "精准医疗",即提出更适合个别患者特点治疗。...当应用于药物开发时,第一个"生成"网络产生候选分子,第二个"辨别"网络评估。尽管通过使用新分子生成和多任务预测在药物设计方面取得了许多成功,但获得一些模型仍然产生不易合成分子。...在这种情况下,人们开发了支持逆向合成计算方法,作为专家衍生规则或从化学反应数据库建立知识系统替代,通过使用逆向反应分解新生成分子来设计其化学合成。

    2.6K21

    Drug Discov Today|辉瑞:如何成功设计小分子药物

    图1d | 基于分子损耗 与这些发现一致,过去20年一些回顾性分析表明,相对于那些与疗效和安全性有关问题来说,与分子PK特性(如吸收、分布和清除)有关问题是一个相对较小损耗来源。...此外,化学信息学、机器学习、人工智能和基于机理转化模型方法,通过为设计思路产生和优先排序提供与临床相关视角,正在日益加速设计。...Schneider等人最近提供了关于计算信息药物设计潜力更详细评论和观点。 由于药物安全性是成功关键因素,旨在提供具有足够治疗指数分子设计策略对于快速识别临床候选药物也至关重要。...这种了解对于通过更细致地了解什么是类药物空间,驾驭与其中一些方法相关挑战性理化特性也是至关重要。 表型筛选。...虽然药物设计不能改变分子靶点内在治疗潜力,但设计相应策略获取分子靶点内在治疗潜力并加速临床价值实现,将提高向患者提供变革性药物生产率。

    3.1K41

    前百度主任架构师创业,两年融资千万美元,他说AI新药研发将迎来黄金十年

    作为一名从互联网跨界到医药研发创业者,他越来越发现做药物研发与搜索引擎逻辑共性,一个非常基础环节就是不断验证候选化合物与靶点匹配过程,这类似用户在搜素引擎中不断得到相匹配搜索列表。...对于早期新药发现AI技术链条,不同环节有不同技术路线。周杰龙介绍,通过机器学习,尤其深度学习做化合物发现,会借鉴搜索推荐技术预测其一系列性质。...“一个分子可以认为是由骨架和药效团构成,类似于树干和树枝关系。在药物设计中,骨架跃迁好比对药物分子进行树干部位修改,而骨架衍生则是对分子树枝进行变化。”...后续筛选和排序算法也涉及到很多深度学习或机器学习方法,是一个很复杂系统。 骨架衍生是为了从一个不错骨架生成更有活性分子,模型能够根据骨架学习到该骨架背后靶点信息,从而更好地生成可能侧链。...而分子优化是为了获得在某个性质上更优质分子,在有一个比较准确评价方法基础上,可以通过强化学习等方法对整个分子生成过程中进行策略调整,同时也限制分子生成相似度,这样保证生成分子具有更优质性质

    51710

    JMC|用于化合物优化中性质预测可解释机器学习

    对于不同 R 基团组合,FW 分析为系列化合物生成一个可解释模型,并能够对每个位置取代基进行排序。FW 是一种在合成前识别有前景取代基组合有效技术。...从模型到规则 如果可以获得模型内部权重,则需要找到有效方法检查这些特征重要性,评估特征之间潜在相关性,并从这些中提取有用规则,而不管使用分子表示如何。...然而,对于特定化合物系列,LogP 可能不会提供信息,因为其接近数据集平均值(预期),其他特征可能对预测贡献更大。不同场景说明了理解全局模型性能和个体预测互补性。...但是,对于需要通过机器理解做出具有化学意义决策应用程序,证明使用复杂不可解释 ML 比使用更简单和可解释模型更合理、更有性能优势是必不可少。...生成可解释模型或对复杂模型直观解释对于药物化学中充分利用 ML 以及缩小预测建模与实际应用之间差距至关重要。 显然,需要更多研究进一步开发和完善模型合理化方法。

    1K10

    Drug Discov Today|赛诺菲:机器学习引导早期小分子药物发现

    第二类分子表征是基于自然语言原则,它应用正式语法规则定义分子结构,如SMILES或InChI (图1b)。这些表征法常用于深度学习算法,用于属性预测以及分子生成。...SwissADME是基于网络工具一个例子,它提供了预测药物相似性、物理化学特性和PK行为模型。...这些模型和平台提供了可访问用户界面,药物化学家可以在其中评估大量分子,并以合理信心促进化合物排序。QSAR模型发展有了很大提高,这些模型是针对某些靶点,也是对小分子治疗活性普遍评价。...候选药物选择混合方法 除了分子特性预测和逆向分子生成外,在设计时对人体PK和PD反应预测也是非常重要,可以确定最可能候选药物提供足够药物暴露,在临床上引起预期药理作用。...在本文中,我们强调了这些领域最新进展,重点是分子筛选和优化,以及候选药物选择。越来越多证据表明,利用QSAR模型进行ADMET预测、逆向分子生成和PK预测对于分子筛选和优化具有极其重要意义。

    72610

    智药公开课第1期回顾|AI药物设计前沿思路、进展与未来

    AlphaFold2使用了多序列比对 (MSA) 新方法,把离散空间中一个氨基酸残基确定在张量空间位置,类似地,小分子可以建立一个巨大张量空间,通过计算候选分子与种子分子在张量空间距离实现虚拟筛选...,未来药物设计就是找到药物分子在张量空间位置,而这种位置信息本质就是该分子元数据 (meta-data)。...针对这个问题,唐建团队开发了很多深度生成模型。此外,他还介绍了一个利用最新生成模型Diffusion Model对三维几何结构生成进行建模原理和核心思想。...前者基于规则,利用预定义反应规则和可及反应砌块集合设计组合库,在组合库空间中进行搜索;后者基于数据驱动,从已有的分子结构数据中学习分子设计规则,而无需定义任何固定规则。...比如陈红明教授提到,传统基于组合库分子设计方法基于规则,而生成模型分子设计方法基于数据驱动,无需定义任何固定规则

    91450

    . | 利用分子生成模型绕过专利限制

    这些AI正在演变,不仅学习和生成化学结构,还通过遗传算法、变分自编码器和强化学习等技术生成具有期望属性分子。在药物发现过程中,包括药效活性和吸收、分布、代谢、排泄和毒性(ADMET)等属性尤为重要。...最近,公开专利数据可用性使得专利化分析方法成为可能,例如由Google提供专利文档和SureChEMBL提供专利–化合物信息。目前已经有研究尝试提取与药物发现相关专利。...然而,验证药物发现中化合物专利性需要全球范围方法;因此,仅使用USPTO专利是不够。 此项研究旨在创建一个可以使用全球专利信息指导分子化学空间探索生成式AI。...就药物样性(drug-likeness)而言,由ChemTS生成已批准药物结构类似QED(Quantitative Estimate of Drug-likeness)取决于具体情况。...双氯芬酸、巴瑞替尼及其衍生物QED较高。布雷派普拉唑类似QED不高,但大多数QED高于布雷派普拉唑。

    22910

    ACS Med Chem Lett|现代药物研发中计算应用和工具汇总

    用户友好、设计良好基于结构药物设计(SBDD)和基于化学信息学(CI)药物设计计算工具兴起,为药物化学家提供了大量工具和应用程序,显著提高了设计-合成-测试-分析循环速度和效率。...在过去10年中,随着用户友好型软件发展,药物发现计算工具使用已经不再只是局限于CADD专家,大部分药物化学家都可以广泛使用一系列桌面工具进现代药物设计。...本文已经列出了最近出现和发展许多可用计算应用程序和工具,特别是与DMTA循环有关药物发现。此外,本文重点集中在工具是否整合了SBDD或者CI药物设计。...常规软件升级和更新,且让每个科学家能够使用同时理解这些升级影响,对于IT组织来说可能是一个重大挑战。在过去几年里,大多数化学信息学和分子建模应用已经转移到基于Web平台上。...其中提到许多供应商与大多数顶级制药公司都有关系,因此药物发现行业也有许多类似的工具。 然而,任何一个组织都不太可能获得表中提到所有工具,因此,我们希望这将为当前计算工具景观提供一个视角。

    60320
    领券