PofoliaPofolia ile paylaşıldı

CPT Pharmacometrics & Systems Pharmacology· 2026Q1

Moleküler Yapıdan İlaç Hedef Etkileşiminin Erken Tahmini İçin Bir Eğitim

Target‐Engagement Prediction From Molecular Structure, In Vitro and Animal Data: A Tutorial for Early Assessment of Clinical Drug Exposure and Therapeutic/Adverse Potential Using the ANDROMEDA and PLATO Software on the InSilicoTrials Platform

Niccolò Totis, Fianne L. P. Sips, Simona Catozzi, Marc-Antonio Bisotti ve diğerleri

Kısa özet

Yeni bir eğitim, InSilicoTrials platformundaki ANDROMEDA ve PLATO yazılımlarının moleküler yapıdan, in vitro ve hayvan verilerinden ilaç hedef etkileşimini nasıl tahmin edebileceğini göstererek, klinik maruziyet ve terapötik/advers potansiyelin erken değerlendirilmesini sağlıyor.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • InSilicoTrials platformunun hedef-etkileşim öngörücüsü, moleküler yapı, in vitro ve hayvan verilerini kullanarak ilaç yanıtlarını tahmin edebilir.
  • ANDROMEDA ve PLATO yazılımları, ilaç SMILES'lerinden insan PK ve hedef afinitesini tahmin ederek PKPD modellerine entegre eder.
  • Moleküler yapıdan elde edilen tahminler, karvedilol, ivabradin ve sunitinib için deneysel verilerle karşılaştırılmıştır.
  • Kullanıcı dostu arayüzler, programcı olmayanlar için klinik deneme simülasyonunu kolaylaştırmaktadır.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

The target-engagement predictor, implemented within the InSilicoTrials cloud-based, AI-powered platform for model-informed drug discovery and development, enables early exploration of time-dependent pharmacological responses. Predictions can be generated using inputs ranging from molecular structure to in vitro, animal, and clinical data. Scaling and translation across species are supported, accounting for differences in body size and plasma protein binding. This tutorial demonstrates the application of the target-engagement predictor for benchmarking and decision-support in the evaluation of new drug candidates. Pharmacokinetic (PK) and pharmacodynamic (PD) data for carvedilol, ivabradine, and sunitinib were used as illustrative examples. The ANDROMEDA and PLATO software were used to predict human clinical PK and target affinity parameters, respectively, based on molecular SMILES representations of the drugs. These predictions were subsequently incorporated into longitudinal PKPD simulation models. User-friendly input wizards and interactive results dashboards were developed to facilitate clinical trial simulation for broader project teams, without requiring programming expertise. Predictions derived from molecular structure were compared with data generated from in vitro, rat, and clinical experimental settings. The target-engagement predictor enables integration of heterogenous data sources to support drug development decisions, including early benefit-risk assessment and dose selection for Phase 1 studies. Direct prediction based on molecular structure alone represents a promising approach for early-stage screening and evaluation of new drug candidates.

Yazarların özeti; kaynağından alınmıştır. CPT Pharmacometrics & Systems Pharmacology, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Google Play'den indir App Store'dan indir

Alan: Hesaplamalı Kuram ve Matematik

Computational Theory and MathematicsComputer Science