2025年6月19號 周四早   9:00-10:30

英文演講（中英文字幕）

問答環節有中文翻譯

化學品包括藥物、農藥、獸藥、阻燃劑、化妝品及食品添加劑等，它們可能會影響人類健康，其中許多物質都缺少毒代動力學（TK）實測數據。為了減少和替代TK模型開發中的動物試驗，本次公開課將講解如何利用已有動物TK等數據的化合物作為參考化合物，通過多維度相似性的方法為缺乏動物數據的新化合物開發毒性和TK評估模型。

基于美國環保署（EPA）毒代動力學（TK）數據庫中的約8000種化學品數據，該方法首先應用ADMET Predictor軟件預測分子描述符和理化性質作為輸入參數。利用這些參數進行高通量藥代動力學（HTPK）模擬，估算口服生物利用度、Cmax和AUC等關鍵指標。最終通過四個維度——結構相似性、理化性質相似性、PK參數相似性、血漿濃度-時間曲線相似性——評估新化學物質的TK特性。該方法支持數據缺乏化學品的交叉參照和基于風險的高通量篩查，為建立減少動物實驗依賴并保持科學嚴謹性的預測毒理學體系提供了基礎。

• 化學品數據集介紹

• 機器學習技術介紹

• ADMET Predictor的ADMET和HTPK 預測性能介紹

• 預測血漿濃度-時間曲線相似性介紹

• 示例：比較結構相似性、理化性質相似性、PK參數相似性、血漿濃度-時間曲線相似性
  

美國Arkansas大學物理化學博士

超過30年的計算化學從業經驗，2011年加入Simulations Plus公司，從事AI驅動新藥研發工具的開發與應用，并與全球多家制藥企業合作不斷完善產品。Michael也是負責環氧合酶(COX)新化學實體項目以及 FDA/CFSAN 和 NIEHS 合作項目的首席科學家。

北京大學學士及碩士，美國Rensselaer Polytechnic Institute化學信息學博士

20年以上的藥物研發專業軟件開發經驗。2005年加入 Simulations Plus 公司, 是化學信息學軟件ADMET Predictor的開發者之一，負責其中的機器學習模塊。2018年開始，專注于新一代藥代動力學與吸收模型軟件GastroPlus X的開發。研究興趣主要在化學信息學，軟件開發，人工智能在藥物開發中的應用等領域。

化學品研發

農藥研發

食品研發

藥品研發

我們將整理出報名人員普遍較關注的3個問題，在直播間進行解答，歡迎報名時提交問題。

報名截止時間：2025年6月18日20:00