中文

凡默谷，技術總監

在創新藥早期發現階段，借助人工智能（AI）對化合物的吸收、分布、代謝、排泄、毒性及藥代動力學（ADMET/PK）性質進行虛擬篩選與排序，已成為提升研發效率的關鍵環節。此外，AI技術也能深度整合進化合物結構設計流程，實現AI驅動的藥物設計（AIDD），從而完成有目的、高效率的分子優化。

ADMET Predictor作為一款在藥物研發領域廣泛應用的ADMET/PK性質預測工具，融合了先進AI算法與大量實驗數據，能夠快速、準確地對大量化合物開展系統的體外與體內性質評估，為研究人員在成藥性評價與結構優化方面提供科學參考。

本次課程將系統介紹ADMET Predictor軟件的核心功能與典型應用場景，內容涵蓋其內置預測模型概述、AIDD工作流程介紹以及各功能模塊的具體應用案例。通過系統講解，幫助參會者全面了解該軟件的功能特點與應用方法，為實際藥物研發工作提供實用參考。

• ADMET Predictor預測模型概述

• 案例1：指導化合物的篩選與排序

• 案例2：預測化合物的PK參數/曲線

• 案例3：自建特定需求的預測模型

• 案例4：AI驅動的化合物設計

超過10年的藥物建模與模擬從業經驗，涉及對新藥及仿制藥的體內溶出、吸收、處置過程的PBPK建模，群體藥代動力學/藥效動力學PopPK/PD的建模與模擬，以及定量系統毒理學QST的研究等。已成功建立及研究了50+個藥物的PK模型，內容涉及首次人體PK預測、體內外相關性建模、生物等效性考察、藥物藥物相互作用評估、PopPK建模等；此外，還支持PBPK、PopPK/PD相關軟件不同層次的培訓工作。參與發表了定量藥理學研究領域的中英文文章數十篇。

新藥研發

藥物化學

CADD/AIDD

DMPK研究

毒理研究

臨床前研究

我們將整理出報名人員普遍較關注的4個問題，在直播間進行解答，歡迎報名時提交問題。