Derek简介——基于专家知识系统的化合物毒性预测软件

目前,Derek是世界上使用最广泛的毒性预测软件,是FDA和EMA法规中推荐使用以及 NMPA(原CFDA)认可的化合物毒性风险评估软件

特点:

  ◆ 经验丰富的毒理学专家的30多年知识积累

  ◆ 数十万个毒性化合物结构

  ◆ 八百多条警示结构规则,其中超过25%的致突变性警示结构规则来源于私有数据

  ◆ 广泛的毒性终点,包括:基因毒性、皮肤刺激、致癌性、致畸性、肝毒性、肾毒性等等

  ◆ 高度透明,提供相关文献和支持信息,推理过程的描述,以及预测毒性的机理

用途:

  ◆ 满足ICH M7指导原则针对杂质的致突变性风险控制:与Sarah Nexus联用,能满足该指导原则对杂质采用计算毒理学评估方法替代细菌致突变试验的要求,并自动提供杂质等级分类。

  ◆ 虚拟筛选:早期利用Derek进行高通量筛选,以有效排除具有潜在毒性的候选药物,降低药物开发风险、节约研发成本。

  ◆ 候选药物分子的结构优化:针对高亮显示的潜在毒性基团进行重新设计或优化。

  ◆ 化妆品的致敏性安全评估:通过预测出现皮肤致敏性警示结构的化合物EC3值,评估皮肤致敏性风险


Sarah Nexus简介­——基于统计学模型的化合物致突变性预测软件

此项目是与FDA合作进行的,原始数据由FDA提供。其目标是确认潜在遗传毒性杂质,以满足ICH M7建议指导原则。Sarah使用独一无二、高度透明的机器学习算法,从Ames突变实验数据出发,构建统计模型。这种算法使用了一种新颖的、自组织分级网络来训练模型。它通过碎片化输入结构使得模型具有更高的透明度,更易诠释预测结果,从而方便专家审核, 以满足ICH M7指导原则要求。

特点:

◆ 独一无二、高度透明的预测方法,易于诠释预测结果

◆ 基于可靠、海量的Ames突变实验数据(9510个唯一的化合物结构,其中4630个阳性,4880 个阴性)

◆ 经过大量的准确性验证,包括在私有未公开的数据集中进行验证

◆ 用户可加入自己私有的训练集构建新的预测模型,以拓展可预测的化学结构空间

用途:

  满足ICH M7指导原则针对杂质的致突变性风险控制:与Derek Nexus联用,能满足该指导原则对杂质采用计算毒理学评估方法替代细菌致突变试验的要求,并自动提供杂质等级分类。

基因毒性杂质警示结构预测

Derek简介——基于专家知识系统的化合物毒性预测软件

目前,Derek是世界上使用最广泛的毒性预测软件,是FDA和EMA法规中推荐使用以及 NMPA(原CFDA)认可的化合物毒性风险评估软件

特点:

  ◆ 经验丰富的毒理学专家的30多年知识积累

  ◆ 数十万个毒性化合物结构

  ◆ 八百多条警示结构规则,其中超过25%的致突变性警示结构规则来源于私有数据

  ◆ 广泛的毒性终点,包括:基因毒性、皮肤刺激、致癌性、致畸性、肝毒性、肾毒性等等

  ◆ 高度透明,提供相关文献和支持信息,推理过程的描述,以及预测毒性的机理

用途:

  ◆ 满足ICH M7指导原则针对杂质的致突变性风险控制:与Sarah Nexus联用,能满足该指导原则对杂质采用计算毒理学评估方法替代细菌致突变试验的要求,并自动提供杂质等级分类。

  ◆ 虚拟筛选:早期利用Derek进行高通量筛选,以有效排除具有潜在毒性的候选药物,降低药物开发风险、节约研发成本。

  ◆ 候选药物分子的结构优化:针对高亮显示的潜在毒性基团进行重新设计或优化。

  ◆ 化妆品的致敏性安全评估:通过预测出现皮肤致敏性警示结构的化合物EC3值,评估皮肤致敏性风险


Sarah Nexus简介­——基于统计学模型的化合物致突变性预测软件

此项目是与FDA合作进行的,原始数据由FDA提供。其目标是确认潜在遗传毒性杂质,以满足ICH M7建议指导原则。Sarah使用独一无二、高度透明的机器学习算法,从Ames突变实验数据出发,构建统计模型。这种算法使用了一种新颖的、自组织分级网络来训练模型。它通过碎片化输入结构使得模型具有更高的透明度,更易诠释预测结果,从而方便专家审核, 以满足ICH M7指导原则要求。

特点:

◆ 独一无二、高度透明的预测方法,易于诠释预测结果

◆ 基于可靠、海量的Ames突变实验数据(9510个唯一的化合物结构,其中4630个阳性,4880 个阴性)

◆ 经过大量的准确性验证,包括在私有未公开的数据集中进行验证

◆ 用户可加入自己私有的训练集构建新的预测模型,以拓展可预测的化学结构空间

用途:

  满足ICH M7指导原则针对杂质的致突变性风险控制:与Derek Nexus联用,能满足该指导原则对杂质采用计算毒理学评估方法替代细菌致突变试验的要求,并自动提供杂质等级分类。