ePhysChem

Auf dieser Seite bieten wir industriell bewährte Algorithmen zur Vorhersage physikalisch-chemischer Eigenschaften, wie Wasserlöslichkeit (log S) und Lipophilie (logPow), an.

ALOGPS 2.1 wurde bei verschiedenen Pharmaunternehmen getestet und hat wiederholt ausgezeichnete Resultate geliefert (siehe VCCLAB). Kürzlich wurde ALOGPS als "bestes Standardwerkzeug" für die logP-Vorhersage auf einer Reihe von in-house Daten bei Pfizer & Nycomed - im Vergleich zu 12 kommerziellen und 6 öffentlichen Ansätzen - bestätigt (Mannhold et al, 2009).
Seitdem hat sich gezeigt, dass sich - exemplarisch auf einem Testsatz von 95809 Pfizer-Molekülen - der Fehler durch Anwendung der Selbstlernfunktion unserer Software weiter von 1,02 log-Einheiten auf 0,59 log-Einheiten reduzieren lässt (Tetko et al, 2009). Darüber hinaus ermöglicht unsere Genauigkeitsbestimmung für Einzelvorhersagen, diejenigen 60% ​​der Strukturen zu identifizieren, für die eine Vorhersagegenauigkeit von 0,33 log-Einheiten erreicht wird.

ALOGPS 3.01, wurde mit dem gleichen Ansatz, Assoziativen Neuronalen Netzen, entwickelt. Das Modell basiert jedoch auf einem 50% größeren Datensatz von Molekülen für logP sowie einem fast 8-mal größeren Datensatz für Wasserlöslichkeit. Wir entwickeln derzeit neue Module für die Vorhersage von DMSO Löslichkeit sowie für die pKa Vorhersage.

Wenn Sie Hilfe brauchen - oder Anregungen bzw. Kommentare haben - kontaktieren Sie uns bitte unter help@eadmet.com.

Wir bieten kommerziellen Versionen dieser Tools, Vorhersagen für Strukturbibliotheken, Integration von Benutzerdaten und vieles mehr an. Bitte wenden Sie sich an unseren Verkauf unter sales@eadmet.com bzw. rufen Sie uns an unter (+49)89-3187-2674. Unsere Faxnummer ist (+49)89-3187-4584.

Bitte beachten Sie, dass unsere freie Lizenz nur den nichtkommerziellen Einsatz sowie den Einsatz zu Beurteilungs- und Prüfungszwecken erlaubt.