XiaoMi-AI文件搜索系统
World File Search SystemADME
使用生物信息学和ADME数据库...
生物信息学是一个重要的领域，因为它使科学家能够计算计算整个人类基因组。大量生物学信息可以存储在生物信息学数据库中，并使用生物学工具检索。其在医学中的应用是创建仅针对患病基因的药物。ADME数据库还包含有关与药物代谢酶和药物转运蛋白相互作用的最新和全面信息。它旨在用于药物研发，包括药物相互作用和ADME研究。药物发现是寻找新药分子的耗时的过程。该过程需要数年的时间，需要人力资源。通过引入计算机程序的药物发现（CADD）克服了这些困难，涉及靶向检测，命中检测和铅化合物的分子修饰，以优化所需的效果并根据此知识最大程度地减少副作用。生物靶标。分子建模是使用计算机程序库（内部代码）设计分子以得出，表示和操纵分子和反应的过程。CADD字段中使用的软件工具，在线数据库和计算机程序中，本文审查了一些最重要，用户友好和准确的工具。该软件可用于个人和商业用途。所有这些工具在药物的设计和开发中都非常有用。本文对于选择用于计算机辅助药物设计的工具很有用。
瑞士 ADME 预测药代动力学和药物...
Ashmika Nagsen Shailaja Kamble 和 Akshata Arun Mitkar DOI：https://dx.doi.org/10.22271/phyto.2023.v12.i5d.14745 摘要 植物的使用可以补充当代制药技术，从而导致全球对传统药用植物的分析增加。随着计算机科学的进步，网络分析和筛选等计算机模拟方法已被广泛用于深入了解这些植物的药理作用机制。通过实施网络药理学、计算机模拟筛选和药代动力学筛选，可以增加候选药物中的活性物质数量，并揭示治疗植物的作用方式。本研究重点是利用瑞士 ADME 计算机模拟 ADME 工具对胡芦巴中存在的次级代谢产物进行药理学和药物遗传学表征。研究人员可利用这些研究的结果进行体外和体内研究，从而揭示传统草药的药理作用机制。关键词：药用植物，葫芦巴（Trigonella foenum-graecum），次生代谢产物，药理特性，瑞士 ADME 1. 简介古代文明拥有关于利用药用植物作为草药的广泛知识。在欠发达国家，超过 80% 的人口依赖传统医药，草药是维持生计、居住、穿衣、调味、芳香和药用的重要资源（Divya 和 Mini，2011；Manoj Kumar Mishra，2016；Gurib-Fakim，2006；和 Brijesh 和 Madhusudan，2015）[12, 31, 20, 3]。药用植物药物研发的探索取得了重大进展，并为各种药理学目标提供了重要见解，包括治疗癌症、疟疾、心血管疾病、糖尿病和神经系统疾病等疾病。古印度医学体系阿育吠陀推荐使用多种药用植物来治疗各种疾病。胡芦巴就是这样一种植物，在印地语中通常称为葫芦巴或 methi，因其药用价值而被利用。葫芦巴是一种豆科草本半干旱作物，属于豆科植物，以生产复杂的化学化合物而闻名。植物次生代谢产物是一组分子量较低的有机化合物，由植物合成，以促进与生物环境的相互作用并作为防御机制。这些次生代谢产物已显示出良好的治疗价值，并广泛应用于医疗实践。胡芦巴的具体用途已在多项研究中得到记录。这些特性包括其抗氧化活性（Dixit P 等人，2005 年）[13]、抗糖尿病活性（Shani J 等人，1974 年）[39]、抗癌特性（Kaviarasan S，Anuradha CV,2007) [25]、降低胆固醇作用 (Stark A, Madar Z,1993) [41]、抗菌活性 (Dash BK et al., 2011) [9]、改善消化 (Platel K, Srinivasan K, 2000)、保护胃肠道 (Platel K, Srinivasan K, 2000) [37]、治疗肥胖症 (Handa T et al., 2005) [21]、抗炎作用 (Sharififara F. et al.,2009) [40] 和抗高血压作用 (Talpur N. et al.,2005) [42]。通过建立快速便捷的化学成分预测途径并进行体内和体外药理学实验进行验证，可以显著提高评估药用植物化学活性的有效性 (Yi F et al ., 2016) [48] 。瑞士 ADME 网站是一个有价值的工具，它有助于计算物理化学描述符并预测小分子的 ADME 参数、药代动力学特性、类药性质和药物化学友好性。在本研究中，我们的目标是使用瑞士 ADME (http://www.swissadme.ch/index.php) 来评估个体 ADME 行为并解释结果。
在计算机分子对接研究和Adme -Tox预测中...
本研究研究了基于自由结合能（δg）的潜在活性预测以及对ARTOCARPUS冠军（Lour。）的植物复合的相互作用确认。使用二肽基肽酶IV（DPP -IV）的大分子蛋白受体在硅分子对接研究中，以及物理化学和药代动力学特性（ADME -TOX）预测方法。使用Autodock v4.2.6（100个对接运行）将DPP -IV受体大分子蛋白蛋白数据库（ID：1×70）的活性子站点停靠。一个52×28×26Å点的网格盒子由0.37Å的距离为X =40.926Å的活动位置； y =50.522Å; Z =35.031Å。用于ADME -TOX预测，使用了基于瑞士的在线申请计划。结果表明，基于δg值和相互作用构象，来自A.冠军的12个Pythocompound具有DPP -IV抑制剂的潜力。比天然配体有五个具有较低δg值和抑制常数的Pythocompounds，七个具有δg值和抑制常数接近天然配体的Pythocompounds。12种化合物在DPP -IV受体的活性子矿石上形成了一种相互作用构象。同时，Adme -Tox预测分析的结果表明，这12种化合物具有不同的物理化学和药代动力学特性。
基于全异位测序的ADME基因中的遗传变异特征
基因组技术的快速演变已大大改变了医学和药物基因组研究的景观。在可用的众多方法中，整个外显子组测序（WES）是一种强大的工具，可以全面分析基因组的蛋白质编码区域。从WES中受益的最重要领域之一是研究ADME（吸收，分布，代谢和排泄）基因的遗传变异。这些基因在药物的药代动力学中起着至关重要的作用，从而影响了它们的效率和安全性。本文深入研究了ADME基因中遗传变异的重要性，探讨了WES在识别这些变体方面的影响，并突出了这项研究对个性化医学的未来影响[1-3]。
喹啉 - 磺胺类酰胺作为认知能力下降的多靶向神经疗法：在体外，在硅研究中，对单胺氧化酶和胆碱酯酶抑制剂的ADME评估
阿尔茨海默氏病（AD）是一种多因素神经退行性疾病，会引起异常行为，认知能力受损，例如学习，记忆，感知和解决问题。1,2该疾病的病理生理非常融合，并提出了两个假设，例如“胆碱能”和“淀粉样蛋白”。根据淀粉样假说，AD的标志包括导致神经细胞死亡的淀粉样蛋白β凝集。3根据第二个假设，胆碱能假设，乙酰胆碱（ACH）在AD中未能产生，因为神经递质的产生较少，该神经递质的产生较少，该神经递质在睡眠，学习，注意力，注意力和灵敏度中起着重要作用。4 AD是由胆碱酯酶（乙酰胆碱酯酶：ACHE和丁酰胆碱酯酶：BCHE）和单胺氧化酶（MAO-A和MAO-B）异常表达引起的。5,6抑制酶可以升高5,6抑制酶可以升高
分子对接筛选、计算机药物设计和 10-脒基苯并萘啶作为恶性疟原虫有效抑制剂的 ADME 预测
摘要：由于抗药性的不断出现和蚊媒的适应性，疟疾的管理和控制仍然具有挑战性。这需要不断发现有效的抗疟药物。恶性疟原虫的乳酸脱氢酶 (Pf LDH) 是寄生虫能量产生的重要催化剂。Pf LDH 是抗疟药物设计和发现的重要靶点，因为抑制它会导致寄生虫死亡。在本研究中，通过分子对接筛选了 15 种对氯喹敏感和氯喹抗性的恶性疟原虫菌株有效的 10-脒基苯并萘啶分子，以找到 Pf LDH 的主要抑制剂。化合物的结合亲和力范围为 -5.5 至 -7.8kcal/mol。对结合亲和力最高的化合物进行修饰，设计了九种新型 10-脒基苯并萘啶。设计的化合物对靶标具有更好的结合亲和力，范围从 -7.8 到 -8.8kcal/mol，其中四种化合物的结合亲和力优于 10-脒基苯并萘啶抗疟药 Pyronaridine。此外，通过计算机模拟预测了设计化合物的 ADME 特性，并使用 Lipinski 的五规则和 Veber 的二规则研究了它们的药物相似性。根据这些规则，化合物 D1、D2、D3、D4、D5 和 D8 是潜在的口服候选药物。化合物 D2、D3 和 D8 具有良好的结合亲和力和 ADME 特性，因此可以开发成针对 Pf LDH 的强效抗疟药。这项工作的结果可用于开发能够抑制 Pf LDH 的活性抗疟药。关键词：分子对接，10-脒基苯并萘啶，恶性疟原虫乳酸脱氢酶，ADME 特性，计算机药物设计 1. 简介 疟疾是世界热带和亚热带地区常见的一种传染病，在非洲很流行，2022 年全球 94% 的病例都发生在非洲 [1]。该地区疟疾负担最重的原因可能是卫生条件差，导致媒介（雌性按蚊）繁殖，从而将寄生虫（疟原虫）在人与人之间传播。根据世卫组织 2023 年世界疟疾报告，尼日利亚占全球疟疾病例和死亡人数的 27% 和 31%，是世界上疟疾病例和死亡人数最多的国家 [1]。恶性疟原虫
Adme分析，分子对接，DFT和MEP分析揭示了Cissampelos Capensisl.f的Cissamaline，Cissamanine和Cissamdine。作为潜在的抗阿尔茨海默氏症
到2030年到2030年，令人震惊的增加了8200万痴呆症病例。2 AD的病理生理涉及多种变化，包括乙酰胆碱（ACH）de效率，淀粉样plaque（A B）积累，磷酸化的TAU蛋白和谷氨酸能系统不平衡。1,3,4最近的研究还强调了γ-分泌酶（GS）在淀粉样蛋白生成途径中的关键作用，强调了其在淀粉样蛋白前体蛋白（APP）裂解中的重要性，并随后A B 42形成。该酶复合物已成为治疗干预的靶标，旨在减轻A B积累的AD病理中心。5,6可用的临床批准的AD药物，即galantamine，美金素，他的他，瑞氏菌和多奈奈瑟氮，针对胆碱能系统的调节。7抗胆碱酯酶主要用于减轻症状，而不是治愈AD和其他神经退行性疾病中的潜在疾病。但是，这些药物可能会引起重要的侧面影响，包括胃肠道遇险和疲劳，以及头晕，头痛和肌肉痉挛。1,2,7
Merck PCD Rutgers外展活动
（以前为DMPK→PPDM→ADM＆DT）•用作神经科学和传染病发现与发展计划的ADME PI•ADME自动化团队负责人•Islatravir Portfolio（HIV）的ADME Lead
量子机学习预测药物发现中的ADME-TOS
摘要：在药物发现范式中，新化学实体的吸收，分布，代谢和排泄物（ADME）和毒性特性的评估是最关键的问题之一，这是一个耗时的过程，非常昂贵，并且在药品R＆d中构成了非常昂贵的挑战。近年来，人工智能（AI），大数据和云技术等新兴技术引起了人们的极大关注，以预测分子的ADME和毒性。目前，量子计算和机器学习的混合物几乎在从化学到生物医学和几个工程学科的几乎每个领域都引起了人们的关注。量子计算机有可能通过降低与药物发现过程相关的开发成本和时间来实现高通量实验技术和筛选数十亿分子的进步。是出于量子内核方法的效率，我们提出了一个量子机学习（QML）框架，该框架由具有基于内核的量子分类器的经典支持向量分类器算法组成。为了证明所提出的QML框架的可行性，简化的分子输入线进入系统（Smiles）基于符号的字符串螺丝核与量子支持矢量分类器结合使用，用于评估化学/药物ADME ADME ADME-TOX特性。建议的量子机学习框架将通过大规模模拟进行验证和评估。在制药行业所提出的框架的部署对于做出最佳决策将非常有价值。基于我们来自数值模拟的结果，与经典同行相比，量子模型在接收器操作特征曲线（AUC ROC; 0.80-0.95）的曲线下获得了最佳性能，以预测针对小分子的ADME-TOX数据集的结果，具有不同的特征。