Poder identificar moléculas similares a la que estudiamos puede permitir inferir algunas de sus propiedades. Hay varias formas de medir la similitud entre moléculas, por su estructura, efectos, interacciones farmacológicas, etc. A continuación, puedes encontrar moléculas similares según varios criterios y herramientas que desarrollamos. Para comprender las limitaciones de estas comparaciones, es crucial referirse siempre a la metodología utilizada para medir esas similitudes.Ten en cuenta: Esta información se proporciona únicamente con fines informativos y no debe interpretarse como asesoramiento médico.
Para medir la similitud estructural, utilizamos el método de Mol2vec Mol2Vec, que es una red neuronal que procesa moléculas y las transforma en puntos en el espacio, de modo que las moléculas con subestructuras químicamente relacionadas se transforman en puntos cercanos en el espacio.
Estados legales
Para cada país, buscamos referencias y regulaciones relacionadas con esta molécula o con familias de compuestos a las que pertenece.
Descargo de responsabilidad: La información proporcionada en este sitio web sobre las referencias legales de las moléculas es solo con fines informativos y no constituye asesoramiento legal. Aunque nos esforzamos por mantener la información actualizada y precisa, las leyes y regulaciones pueden cambiar con el tiempo. Por lo tanto, no podemos garantizar la integridad, exactitud o aplicabilidad de la información proporcionada. Es importante consultar siempre los textos legales originales y hablar con un profesional legal calificado antes de tomar decisiones basadas en la información proporcionada en este sitio web.
Siempre verifica las fuentes proporcionadas, puede haber errores de clasificación. Nuestro sistema también puede haber omitido ciertas referencias.: Esta molécula se agregó en la legislación: Esta mol écula se eliminó de la legislación
El sistema no ha detectado ninguna mención de esta molecula en France como Psychotropes pero siempre debes verificarlo por ti mismo.
Propiedades de la molécula
Utilizando el modelo de KGPT Aprendizaje Profundo, predecimos varias propiedades de la molécula. Las predicciones se agrupan según el conjunto de datos que se utilizó para obtener esas predicciones. Junto con cada predicción, proporcionamos un gráfico que muestra la distribución de los valores predichos en el conjunto de datos de entrenamiento/prueba/validación. Esto da una estimación de la confiabilidad del modelo.
Description: A dataset focused on predicting the inhibitory effects of molecules on the enzyme beta-secretase 1 (BACE1). BACE1 inhibition is a potential target for Alzheimer's disease treatment.
Class
TrainValTest
2.88-3.70-1.36
Description: A dataset providing insights on the ability of molecules to penetrate the blood-brain barrier. Crucial for understanding the potential of molecules as central nervous system drugs.
p_np
TrainValTest
-2.24-3.290.40
Description: This dataset deals with the FDA approval status and clinical trial toxicity of molecules. Important for understanding the safety and regulatory status of compounds.
CT_TOX
TrainValTest
-0.49-0.78-0.91
FDA_APPROVED
TrainValTest
0.53-1.27-0.50
Description: A dataset that predicts the solubility of molecules in water. Solubility is an essential property influencing bioavailability and the potential formulation of a drug.
logSolubilitylog(mol/L)
0.74
TrainValTest
Description: This dataset is centered on predicting the free energy when a molecule is dissolved in water. The energy changes can affect molecular interactions in biological systems.
freesolvkcal/mol
-2.34
TrainValTest
Description: A dataset predicting the lipophilicity of molecules. Lipophilicity is a crucial factor affecting the distribution, metabolism, and excretion of drugs in the body.
lipoAlogP
-2.48
TrainValTest
Description: This dataset gives insights into the metabolic stability of molecules. High metabolic stability often results in a longer half-life, influencing drug dosage and frequency.
low
TrainValTest
-0.17-3.50-2.88
high
TrainValTest
0.72-3.55-0.49
27 entries
12 entries
617 entries
Perspectivas avanzadas
En lo siguiente, proporcionamos un análisis más avanzado sobre las interacciones de una molécula con el metabolismo humano, sitios de acoplamiento, etc.
Afinidades
Afinidades de unión con una lista de 61 sitios de acoplamiento predefinidos. Estas afinidades se utilizan para calcular las similitudes de interacciones.
Utilizamos un modelo de Aprendizaje Profundo para predecir las interacciones de esta molécula con el metabolismo. Consulta la fuente para entender la metodología.
