類藥性概念

類藥性的概念可以給早期階段藥物研發提供有用的指導,這些指導可以提高化合物進入以及通過臨床試驗的機率。類藥性可以被總結為藥物的物理化學性質之和。1997年,Lipinski提出的類藥’五’原則(Ro5)便是其中杰出的代表,它可用于預測藥物是否具有良好的口服吸收率。但是隨后,更多的類藥性質被開發以及利用起來,如RDL,GAU等等。目前,尚沒有表征分子類藥性的一個絕對標準。
亮點
(1)在線資源可促進分子類藥性研究。
(2)高質量和最新的數據庫對于評估藥物相似性至關重要。
(3)Web服務器為進一步的藥物優化提供了有用的指導。
(4)在天然產物中可以十分便利的挑選出具有新型骨架的類藥物分子。
(5)深度學習在類藥性方面的預測十分有前景。
常用藥物數據庫
類藥性的推測一般基于藥物的結構以及理化性質。為了考慮藥物的共同屬性,有必要選擇一些獨特的化合物庫。支持類藥性性研究的數據庫必須包含以下方面:化學結構,物理化學性質,ADMET相關數據,類藥相關屬性(規則和評分)以及數據集。在本文中,作者列出了七個常用的藥物數據庫。

圖1. 常用藥物數據庫
圖片來源:Drug Discovery Today
類藥性預測的免費在線工具
對分子的ADMET特性進行實驗評估既昂貴又費時。但是,在當前網絡技術已被開發為替代方法。多種方法可以集成到Web服務器中,準確,可靠地預測分子的類藥性。例如,人工智能方法可以系統地預測ADMET。與分子特征相關的規則和評分可以用于評估分子類藥性。在本文中,作者列出了七個可以幫助研究人員預測ADMET和分子類藥性的Web服務器。

圖2. 免費在線資源
圖片來源:Drug Discovery Today
總結
在這篇綜述中,作者總結了一些免費訪問的,可進行類藥性評估的在線資源。高質量公共綜合數據庫對于構建類藥性評價的規則或模型至關重要。數據庫中應該包括化合物的化學結構,理化描述符,ADMET和類藥特性。作者還強調了將AI方法(尤其是DL)應用于藥物研究的重要性。
參考文獻
Jia, C. Y., et al. (2019). “A drug-likeness toolbox facilitates ADMET study in drug discovery.” Drug Discovery Today.