Berechnen

Visualisieren

Automatisieren

ADMEWORKS ModelBuilder

ADMEWORKS ModelBuilder ist ein Softwaretool für die Entwicklung von mathematischen Modellen, die die qualitative und quantitative Voraussage von verschiedenen chemischen und biologischen Eigenschaften von Verbindungen ermöglichen. Voraussetzung dafür ist ein Datensatz von Strukturen und den korrespondierenden, experimentellen Werte der in Frage kommenden Eigenschaften. Kernpunkt der Modellentwicklung sind die physikochemischen, topologischen, geometrischen und elektronischen Eigenschaften der molekularen Struktur, die sogenannten Descriptoren. Descriptoren können mit den inkludierten Programmen ADAPT und MOPAC ermittelt werden. ADAPT wurde in der Arbeitsgruppe von Prof. Peter Jurs, an der Pennsylvania State University, entwickelt, zur Untersuchung der Beziehung zwischen der molekularen Struktur und der biologischen Aktivität (SAR) auf der einen Seite und der Beziehung der molekularen Struktur und den physikochemischen Eigenschaften (SPR) auf der anderen Seite. MOPAC ist ein von Prof. James Stewart entwickeltes semiempirisches Softwarepaket.

ADMEWORKS Predictor

Die mit Hilfe des Model Builders generierten Modelle können leicht in das optional erhältliche Programm ADMEWORKS Predictor importiert werden. ADMEWORKS Predictor ist eine virtuelle (in silico) Screening Software für die Ermittlung der ADMET Eigenschaften von Verbindungen. Die gleichzeitige Ermittlung der pharmakologischen sowie der ADMET Eigenschaften einer Verbindung ist sowohl in der frühen Entwicklungsphase - bei der Generierung von geeigneten Wirkstoffkandidaten, als auch in der späteren Lead Optimierungsphase von großer Bedeutung.

Features ModelBuilder

Features ADMEWORKS ModelBuilder

  • Quantitative/Qualitative Struktur Aktivitätsbeziehungen (QSAR/QSPR)
  • Zahlreiche statistische Verfahren zur Generierung von Prognosemodellen: Perceptron, Iterative Methode der kleinsten Quadrate, Multiple lineare Regression, Schrittweise Regression, Leap-and-Bounds Regression, Genetische Algorithmen, Fuzzy Adaptive Least Square, Clusterverfahren der k nächsten Nachbarn Methode.
  • ADMET Datenanalyse
  • Multivariate Analyse/Mustererkennung
  • Über 400 vordefinierte Descriptoren und eine unbegrenzt große Anzahl an substrukturbezogenen Descriptoren
  • Interaktive grafische Auftragung der Eigenschaftsverteilung, der vorausgesagten gegen die tatsächliche Aktivität, Eigenschaftskorrelationen und weiterer Parameter
  • Benutzerdefinierte Kreuzvalidierung von Modellen
  • Import/Export von SDF und CSV Formaten