西安瑞禧最近開拓了新的科研方向——ADMET性質(zhì)預(yù)測服務(wù)，其中包括藥物發(fā)現(xiàn)、藥物靶點(diǎn)預(yù)測、藥物靶標(biāo)發(fā)現(xiàn)、先導(dǎo)化合物篩選、藥物設(shè)計服務(wù)、靶標(biāo)預(yù)測服務(wù)、藥物虛擬篩選、藥物/小分子定制合成、化合物結(jié)構(gòu)優(yōu)化活性/藥物篩選、虛擬新藥篩選服務(wù)。本文小編主要介紹的是：藥物分子性質(zhì)預(yù)測服務(wù)。

在生物信息學(xué)領(lǐng)域,人工智能方法在預(yù)測藥物分子的物理化學(xué)性質(zhì)和生物活性中獲得了重大成功,特別是神經(jīng)網(wǎng)絡(luò)已被應(yīng)用到藥物研發(fā)中.但是淺層神經(jīng)網(wǎng)絡(luò)的預(yù)測精度低,深度神經(jīng)網(wǎng)絡(luò)又容易出現(xiàn)過擬合的問題,而模型融合策略有望提升機(jī)器學(xué)習(xí)中弱學(xué)習(xí)器的預(yù)測能力.據(jù)此,將模型融合方法首次應(yīng)用到藥物分子性質(zhì)的預(yù)測中,通過對藥物分子的化學(xué)結(jié)構(gòu)進(jìn)行信息化編碼,采用平均法、堆疊法融合淺層神經(jīng)網(wǎng)絡(luò),提高對藥物分子pKa預(yù)測的能力.與深度學(xué)習(xí)方法相比,堆疊法(Stacking)融合的模型具有更高的預(yù)測準(zhǔn)確性,其預(yù)測結(jié)果的相關(guān)系數(shù)達(dá)到0.86.通過將多個弱學(xué)習(xí)器的神經(jīng)網(wǎng)絡(luò)有機(jī)組合可使其達(dá)到深度神經(jīng)網(wǎng)絡(luò)的預(yù)測精度,同時保留更好的模型泛化能力.研究結(jié)果表明,模型融合方法可提高神經(jīng)網(wǎng)絡(luò)對藥物分子pKa預(yù)測結(jié)果的準(zhǔn)確性和可靠性.

瑞禧ADMET性質(zhì)預(yù)測服務(wù)相關(guān)方向：

藥物結(jié)構(gòu)優(yōu)化服務(wù)

藥物分子優(yōu)化服務(wù)

藥物分子性質(zhì)預(yù)測服務(wù)

藥物分子吸收評估服務(wù)

藥物分子毒性評估服務(wù)

藥物分子分布代謝評估服務(wù)

藥物藥效評估服務(wù)  

RNA/DNA 合成修飾

細(xì)胞膜修飾