新方法以對比學習優化口服藥物代謝性質
候選藥物常因代謝性質欠佳而在研發後期失敗。研究團隊針對此痛點,整合逾一萬條人源代謝反應數據,開發結合化學特徵交互與對比學習的預測方法Mettle,期望在設計階段即評估並改善藥物的代謝行為。
代謝性質的研發難題
口服藥物進入人體後會經歷一系列代謝轉化,若代謝性質不佳,可能影響藥效與安全性,亦是候選藥物在研發過程中失利的重要原因之一。
人工智能近年逐步應用於代謝性質預測,但現有方法仍存在假陽性率偏高、對複雜代謝轉化識別能力不足等侷限,制約其在藥物設計中的實際效用。


IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
