What's New in Percepta 2023

ACD/pKa Classic 模块更新了新的预测算法（版本 2.0），与以前的版本相比，该算法具有多项增强：

1. 来自我们客户（来自制药、化学和环境行业）的 4000 种化合物的数据被添加到我们的训练数据集中。整个数据集现在包含 ~25,000 种化合物，具有超过 40,000 个实验 pKa 值。

2. 基于数据集的扩展，重建了大量用于 pKa 计算的现有基本 Hammett 方程，同时建立了新化学分类的新方程。

3. 增加了一些新的电离中心。这意味着一些算法 1.0 版无法预测的化合物将在 2.0 版可以成功计算 pKa。

4. 整体预测精度得到了提高，新添加的化学类别的性能提升尤为显著。

5. 优化了微观 pKa 常数的预测速度，使不同化合物组的计算速度提高了 20-30%。

6. 此版本中更改了表观 pKa 选择算法，主要是为了实现计算速度的显着提高。具体来说，新方法仅计算一个优选的质子化/去质子化路径的pKa微观常数。该方法还可以防止在表观 pKa 值的酸性和碱性电离中心标志之间产生任何可能的混淆。

总体而言，以上改进导致 pKa 计算速度提高了 5-10 倍（取决于数据集），这部分源于微观 pKa 计算的优化，但主要来自新的表观 pKa 选择方法。

下面显示了新支持的可电离基团的几个示例（箭头显示电离中心）

除了算法改进之外，pKa Classic 现在还允许在两种类型的预测值之间切换：

• Apparent pKa: 模拟化合物在水溶液中的实际电离，考虑其他可电离基团在相关 pH 值下的质子化态。这是该软件早期版本中可用的默认模式，并且在概念上也与 pKa GALAS 模块的输出相匹配

• Single pKa: 将所有被考察的电离中心当作是分子中唯一的可电离基团，输出所有电离中心的 pKa 的理论估计值。

随着 pKa Classic v. 2.0 算法的发布，其他依赖于 pKa 的计算（例如 LogD 曲线）的准确性也有所提高。使用经典设置的 LogD 的整体预测速度提高了 30-500%（取决于数据集）。

之前的hERG 抑制是作为具有可切换界面的单个模块实现的，该界面可以在两个不同模型的输出之间切换：

• GALAS model: 预测在 10 μM 阈值下抑制hERG的概率、可靠性指数以及所用自训练库中 5 个最相似结构的列表

• PhysChem model: 提供可编辑输入参数的目标物的 IC50 值和热图，可探索 LogP 和 pKa 依赖性

在当前版本中，这两个预测已拆分为各自的专用子模块，其中 GALAS 模块保留名称为 hERG Inhibitors，而 PhysChem 模块现在以 hERG IC50 的名称提供。除了提供对定量 IC50 模型的更易于访问外，这个新的子模块现在还包括类似结构的单独列表。尽管与GALAS模型的训练库基于相同的数据库，但此处提取的信息却有很大不同：

• GALAS model: 根据基线预测变量通过动态相似性算法选择的 5 个分子，仅显示训练中使用的二元分类（抑制剂/非抑制剂）和参考文献

• PhysChem model: 显示二元分类、预测 IC50、通过化学相似性（MACCS-II 指纹图谱上的 Tanimoto 系数）选择的5 个类似物分子以及和参考文献

前期版本只能逐个获得每个分子的预测模块详细输出的 PDF 报告，而电子表格报告仅包含电子表格中存在的字段值，但不提供模块中可用的完整信息。

从当前版本开始，Percepta 提供批量报告生成功能。单击“批处理报告”按钮（除 PK Explorer 之外的所有模块中均可用）会提示用户选择一个文件夹来存储文件，并从该模块中自动为活动项目中的所有分子生成单独的 PDF 报告。自动生成的文件名指示模块的名称和项目中分子的 ID。

ADMET Profiler模块中用于将人肝微粒体中化合物分类为稳定（t1/2>30分钟）或不稳定（t1/2<30分钟）的预测算法已基于一个新的、显着扩展的实验数据库进行了重建，该数据库包含>1800个分子（高于之前的~1200个分子）。新添加的条目主要代表来自最近发表的先导化合物优化研究中具有新型化学骨架的同源化合物组。这些新的化学空间区域 （N = 631） 的适用性域覆盖率大大提高，如下图所示：

• Unicode 支持：电子表格现在可以存储以本地语言编写的文本数据。

• 产品品牌：在所有文本和视觉组件中，ACD/Percepta 的名称已替换为注册商标 Percepta®。