InChI=1S/C21H25NO/c1-5-20(23)21(16-17(2)22(3)4,18-12-8-6-9-13-18)19-14-10-7-11-15-19/h5-15,17H,1,16H2,2-4H3

Similarités

Pouvoir identifier des molécules similaires à celle que nous étudions peut permettre d'inférer certaines de ses propriétés. Il existe plusieurs façons de mesurer la similitude entre les molécules, par leur structure, leurs effets, leurs interactions pharmacologiques, etc. Vous pouvez trouver ci-dessous des molécules similaires selon divers critères et des outils que nous avons développés. Pour comprendre les limitations de ces comparaisons, il est crucial de se référer toujours à la méthodologie utilisée pour mesurer ces similitudes.Veuillez noter : Ces informations sont fournies uniquement à des fins informatives et ne doivent pas être interprétées comme des conseils médicaux.

Type de similarité

Pour mesurer la similarité structurelle, nous utilisons la méthode Mol2vecmol2vec, qui est un réseau neuronal qui traite les molécules et les transforme en points dans l'espace, de telle sorte que les molécules avec des sous-structures chimiquement apparentées soient transformées en points proches dans l'espace.

Statuts légaux

Pour chaque pays, nous recherchons des références et des réglementations liées à cette molécule, ou aux familles de composés auxquelles cette molécule appartient.

Avis de non-responsabilité : Les informations fournies sur ce site web concernant les références légales des molécules sont fournies à titre informatif uniquement et ne constituent pas des conseils juridiques. Bien que nous nous efforcions de maintenir les informations à jour et exactes, les lois et réglementations peuvent changer au fil du temps. Par conséquent, nous ne pouvons garantir l'exhaustivité, l'exactitude ou l'applicabilité des informations fournies. Il est important de se référer toujours aux textes légaux originaux et de consulter un professionnel qualifié du droit avant de prendre des décisions basées sur les informations fournies sur ce site web.

Vérifiez toujours les sources fournies, il peut y avoir des erreurs de classification. Notre système peut également avoir omis certaines références.: Cette molécule a été ajoutée à la législation: Cette molécule a été retirée de la législation

Pays:

Type de législation

Narcotics

Le système n'a détecté aucune mention de cette molécule dans France comme Narcotics mais vous devez toujours vérifier par vous-même.

Psychotropes

Le système n'a détecté aucune mention de cette molécule dans France comme Psychotropes mais vous devez toujours vérifier par vous-même.

Propriétés moléculaires

En utilisant le modèle de KGPT Deep Learning, nous prédisons plusieurs propriétés de la molécule. Les prédictions sont regroupées par l'ensemble de données utilisé pour les obtenir. Avec chaque prédiction, nous fournissons un graphique montrant la distribution des valeurs prédites sur l'ensemble d'entraînement/test/validation. Cela donne une estimation de la fiabilité du modèle.

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)

-0.65

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

-1.37

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

0.05

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

Interaction de cette molécule avec le métabolisme

Nous utilisons un modèle d'apprentissage en profondeur pour prédire les interactions de cette molécule avec le métabolisme. Consultez la source pour comprendre la méthodologie.

Réactions qui produisent du métabolisme à partir de cette molécule

Terminal desaturation BTMR1190

Enzymes: CYP1A2 CYP2A6 CYP2C9 CYP2D6 CYP3A4

Products