Computational prediction of solid dispersion formulations by machine learning approaches

来源 :2019中国化学会第十五届全国计算(机)化学学术会议 | 被引量 : 0次 | 上传用户:wnijiushisb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  Amorphous solid dispersion(SD)is an effective solubilization technique for water-insoluble drugs.
其他文献
  通过在奶粉中添加三聚氰胺以提高奶粉中的“蛋白”含量(牛奶和奶粉的蛋白含量是通过检测其中的氮含量进而换算出来的),从而获取更多的利润。尽管三聚氰胺对于哺乳动物而言
  The rapid emergence and spread of carbapenem-resistantGram-negative pathogens is a growingproblem.[1] One of the most important mechanisms of resistance to
会议
  Hunting for chemicals with favorable pharmacological and toxicological properties remains a formidable challenge for AI drug design,and the “black box” na
  Respiratory sensitization is a common problem in environmental protection and occupational health surveillance.
  G蛋白偶联受体(GPCRs)是最大的细胞表面受体家族,也是一类最重要的药物靶点。近年来X晶体衍射和低温电子显微镜技术在GPCR结构测定中取得了重大突破。
  熵效应在药物-靶相互作用中起着重要作用。然而由于传统normal mode analysis(NMA)构象熵计算的高昂计算成本,end-point结合自由能计算(如MM/GBSA和MM/PBSA)中往往简单的
  Cholesterol-dependent cytolysins(CDCs) are a large family of bacterial pore-forming toxins,specifically binding to cholesterol in the plasma membranes.
  作为一种常用的配体结合机制研究手段,自由能计算方法通过计算结合前后体系自由能的差异来预测配体结合亲和力。然而这些方法在研究结合位点位于蛋白内部的配体时遇到很大
  分子识别是化学生物学研究以及药物发现的基础。在前期工作中,我们开发了一种基于全局信息共享智能搜索算法的分子识别对接工具FIPSDock,其预测精度大大优于一些商业化的