浙江司太立制药股份有限公司

本数据的核心应用在于加速新型造影剂及类似大分子量、多羟基分子的生物利用度与跨膜运输研究。 企业内部应用：因造影剂通常具有较大的分子量和较高的极性，其细胞膜渗透性往往是限制其口服吸收或组织分布的关键瓶颈。在药物发现的早期阶段，研发团队可利用此数据训练的深度学习模型，对海量虚拟候选化合物进行高通量虚拟筛选（HTVS），在无需进行繁琐的体外 Caco-2 细胞实验的前提下，快速预测其表观渗透系数（Papp）。这能有效剔除透膜性极差的分子，集中资源优化具有适当生物膜透过性的高潜力候选物，从而显著缩短新型造影剂的药代动力学（PK）优化周期并降低临床前开发风险。此外，它还可用于指导已有先导化合物的亲脂性修饰，以数据驱动的方式定向平衡其水溶性与渗透性。 外部及行业应用：本数据集可作为化学信息学领域针对“类药性边界分子”的专业基准，用于开发和验证针对大极性表面积（TPSA）分子的新预测算法。同时，训练好的模型可以作为 ADMET 评估工具，授权给其他医学影像或生物材料企业，帮助其建立快速、高精度的分子生物药剂学评估能力，推动整个造影剂行业的数字化研发进程。本数据基于图卷积神经网络（GCN）算法构建了分子渗透性预测模型，该模型通过学习分子拓扑结构与渗透性之间的内在规律，实现对全新分子结构渗透性的预测。 1. 数据收集与特征加工：收集现有已知造影剂及类药化合物的分子结构（以 SMILES 字符串形式表示）、实验测定的 Caco-2 细胞表观渗透系数对数值（logPapp），并采用基于图论的分子图作为特征表示，用于深度学习预测模型的构建。 2. 特征工程与模型构建（1）特征工程：针对每个类药性边界分子的 SMILES 字符串（SMILES），通过 DeepChem 的 ConvMolFeaturizer 算法将其转换为包含原子特征向量和邻接列表的图结构数据，作为模型的输入特征矩阵 X；以对应的 logPapp 实验值（经过归一化处理）作为模型的预测目标（输出变量 Y）。（2）模型构建：采用图卷积网络算法构建预测模型，核心参数与结构如下：网络架构： 包含多层图卷积层以提取局部化学环境特征，以及图池化层以聚合全局分子特征；关键超参数： Dropout 比率设为 0.2（防止过拟合，增强模型对新结构的泛化能力），批处理大小设为 32（平衡计算效率与梯度稳定性），并使用 Pearson R2 作为训练监控指标。（3）预测规则：模型训练完成后，神经网络权重被固定。对于新分子，其渗透性预测值（预测LogPapp）通过如下方式计算：渗透性预测值 = 输入分子的图特征经过多层图卷积与全连接层的非线性映射输出 times 归一化因子的逆变换。这一过程综合考虑了分子的极性表面积（TPSA）、分子大小（MW）及柔性（RotBonds）对穿膜能力的影响。 3. 预测结果的分类判定规则：模型直接输出的渗透性预测值为连续型浮点数（单位：log cm/s）。为便于成药性评估与决策，将预测值进一步转化为分类标记（对应表格列：渗透性分级），规则如下：若预测LogPapp > -4.7，标记为 “高 (High)”，提示该分子极易穿透细胞膜，口服吸收潜力高或易于进入靶组织；若预测LogPapp 在 [-5.2, -4.7] 范围内，标记为 “中 (Medium)”，提示分子跨膜能力尚可，可能需要辅以制剂技术或结构微调；若预测LogPapp < -5.2，标记为 “低 (Low)”，提示该分子难以穿透生物膜，存在较高的吸收障碍。