ADMET 预测

用 AI 预测候选分子的**吸收（Absorption）、分布（Distribution）、代谢（Metabolism）、排泄（Excretion）、毒性（Toxicity）**五大性质，是 AI 药物发现"后置评估"环节的关键技术。

定义

ADMET 是药物代谢动力学（PK）+ 毒理学的合称。传统方法依赖体外实验 + 动物模型，周期数月。AI ADMET 预测可在秒级完成单分子评估、毫秒级完成百万分子库批量评估，是降本提效的关键工具。

技术细节

• 数据集：PubChem / ChEMBL / Tox21 等公开数据库
• 模型架构：图神经网络（GNN）/ Transformer / Random Forest
• 多任务学习：同时预测多个 ADMET 端点（CYP450 抑制 / hERG 心毒性 / 血脑屏障穿透等）
• 集成到药物发现流水线：作为分子生成的后置过滤器

主要应用场景

1. 早期筛选：从生成 / 筛选的化合物中过滤 ADMET 差的分子
2. 类药性优化：迭代生成 ADMET 友好的分子
3. 毒性预警：临床前预测心脏 / 肝脏毒性

在 AI for Science 中的角色

• ADMET 预测是 生成式AI药物设计 不可或缺的"质量门"
• 商业化最成熟的 AI 制药模块之一 —— 望石智慧 等公司以此为核心
• 模块化产品适合被 CXO 头部产业整合

主要玩家

• 平台型：晶泰科技 / 英矽智能（嵌入自有平台）
• 模块化：望石智慧（产品化输出）
• 开源：DeepChem / Chemprop 等学术工具

相关概念

• ↑ up::AI制药
• 兄弟::生成式AI药物设计 分子对接
• ∈ belongs_to::5-15-AI科学研究