コラボレーティブ サイエンス

コラボレーションと知識に基づく的確な理解と予測を可能にすることで、製品化までの時間を短縮し、技術革新を促進します。

Share

QSAR、ADMETと毒性予測

構造活性相関を理解し定量化することで、コストのかかる冗長な実験が最低限に抑えられ、リード最適化および薬剤開発に大きな効果がもたらされます。

  • リガンドおよびデータセットの準備
    • さまざまな分割手法によるトレーニング用データセットとテスト用データセットの生成
    • 応答変数の前処理(スケーリングおよびクラス分け)
    • 物理化学的、トポロジカル、電子的、および構造プロパティや、フィンガープリントなど、多数のプロパティの計算
  • 一般的なSARモデルとSARの解析
    • ベイズ モデル、重回帰分析(MLR)、部分最小二乗法(PLS)、Genetic Functional Analysis(GFA)、ニューラルネットワーク(NN)を含む高度な統計モデルを作成
    • Model Applicability Domains(MAD)、テストセットの自動検証、交差検定および統計的指標を使用した解析モデルと検証モデル
    • Matched Molecular Pairs(MMP)変換を使用した、Activity Cliffの発見および解析

ADMET 記述子の内容

合成候補化合物や化合物ベンダーのライブラリ、スクリーニング用の収集化合物等に対してabsorption、distribution、metabolism、excretionおよびtoxicity(ADMET)予測を実施する事により、早い段階であなたの化合物を評価する事ができます。計算結果により、好ましくないADMET特性を持つ化合物を排除したり、提案された構造の改良を評価したり、合成する前にADMETの性質を向上させるデザインを実施したりする事が可能です。

  • ヒト腸管吸収
  • 水溶解度
  • 血液脳関門透過
  • 血しょうタンパク結合
  • CYP2D6結合
  • 肝毒性
  • 論文発表されたSMARTSルールに基づく、好ましくない官能基を持つ化合物のフィルタリング

毒性予測

化合物のin vitro実験あるいは動物モデルにおける毒性の予測が可能です。化合物の毒性および環境に対する影響の評価を、化合物の構造のみから計算する事ができます。TOPKAT(TOxicity Prediction by Komputer Assisted Technology)は、広範な毒性に対する頑強かつ相互検証(cross-validated)された Quantitative Structure Toxicity Relationship(QSTR)モデルを採用しており、結果の解釈に有用な、特許取得済の Optimal Predictive Space(OPS)検証法を利用しています。

  • Ames 変異原性
  • 齧歯類の発癌性(NTPおよびFDAのデータ)
  • 発癌性(WOE:Weight of evidence)
  • 発癌性TD50
  • 潜在的発達毒性
  • ラット経口LD50
  • ラット最大投与量
  • ラット吸入毒性LC50
  • ラット慢性LOAEL
  • 皮膚感作と刺激性
  • 眼刺激性
  • 好気性生分解性
  • 魚類LC50(fathead minnow)
  • 甲殻類EC50(Daphnia)
  • Log P

「QSAR、ADMETと毒性の予測」のデータシートを参照