Integration of Machine Learning With PBPK and QSAR Modeling Approaches to Facilitate Drug Discovery and Development - PubMed
2 months ago
- #machine learning
- #PBPK modeling
- #QSAR models
- 本综述探讨了机器学习（ML）如何通过增强药物ADME性质的定量构效关系（QSAR）预测来改进基于生理的药代动力学（PBPK）建模。
- 传统PBPK模型受限于新化合物的不可靠输入参数，但ML增强的QSAR模型直接根据化学结构预测这些参数，从而扩展了PBPK的适用性。
- ML驱动的QSAR最新进展能更好地预测分配系数和清除率等参数，作为输入集成时提高了PBPK模拟的准确性。
- 这种集成支持从候选药物选择到安全性评估的药物发现与开发决策，可能减少与药代动力学相关的失败。
- 挑战包括训练数据中化学多样性有限、模型可解释性，以及PBPK提交中ML衍生参数的监管考量。