Quantitative Structure – Pharmacokinetics Relationships Analysis of Basic Drugs: Volume of Distribution
Notice bibliographique
Résumé
PURPOSE: The early prediction of pharmacokinetic behavior is of paramount importance for saving time and resources and for increasing the success of new drug candidates. The steady-state volume of distribution (VDss) is one of the key pharmacokinetic parameters required for the design of a suitable dosage regimen. The aim of the study is to propose a quantitative structure - pharmacokinetics relationships (QSPkR) for VDss of basic drugs. METHODS: The data set consists of 216 basic drugs, divided to a modeling (n = 180) and external validation set (n = 36). 179 structural and physicochemical descriptors are calculated using validated commercial software. Genetic algorithm, stepwise regression and multiple linear regression are applied for variable selection and model development. The models are validated by internal and external test sets. RESULTS: A number of significant QSPkRs are developed. The most frequently emerged descriptors are used to derive the final consensus model for VDss with good explanatory (r2 0.663) and predictive ability (q2LOO-CV 0.606 and r2pred 0.593). The model reveals clear structural features determining VDss of basic drugs which are summarized in a short list of criteria for rapid discrimination between drugs with a large and small VDss. CONCLUSIONS: Descriptors like lipophilicity, fraction ionized as a base at pH 7.4, number of cycles and fused aromatic rings, presence of Cl and F atoms contribute positively to VDss, while polarity and presence of strong electrophiles have a negative effect.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».