每一款新药从最初的实验室研究到最终上市，平均需要12至15年的时间，耗资高达26亿美元，其中大部分化合物在研发过程中都会遭遇失败。
那么，如何在这场挑战中更早地识别并优化那些具有市场潜力的药物分子呢？其中隐藏着一个重要性质——亲脂性。
亲脂性是指药物分子在水和油之间的“喜好程度”，它不仅影响药物的吸收、分布、代谢、排泄和毒性（ADMET特性），更直接关系到药物的药代动力学、药效学和毒理学特性。
如果一款药物的亲脂性过高，它可能会溶解度差，难以被身体吸收；更糟糕的是，它的血浆蛋白结合率可能会过高，大量蓄积在组织中，增加体内毒性的风险。
相反，如果亲脂性过低，药物的ADMET特性可能会大打折扣，影响整体药效。
因此，如何找到亲脂性的“最佳点”，让药物在保持活性的同时，又能顺利通过临床人体试验，成为了研发中的关键问题。
通常情况下，当药物的亲脂性在pH=7.4时，log D值在大约1到3之间，或者log P值在2到4之间时，药物的毒性风险最低，ADME特性最佳。
通过亲脂效率指标（如LLE和LELP）也可以用来优化药物候选物。配体-亲脂性效率定义为LLE=pIC50–log P，可用于评估研究化合物的质量、连接性能和亲脂性，以评估其类药性。LLE的最佳目标范围通常被认为是5到7之间，用来发现和优化的先导化合物。配体效率依赖的亲脂性指数(LELP)定义为log P与配体效率(LE)的比率，将亲脂性、分子大小和性能结合为一个指标，可用于评估片段、先导样化合物和类药物化合物，LELP的可接受范围在-10到10之间，理想的LELP是0-7.5，其越接近0越好。
这两个指标都有助于识别在ADME、受体-配体结合热力学和安全性方面更好的化合物。LLE更适用于开发阶段，而LELP更适用于ADME和安全相关的问题。通过这些指标，我们可以在药物研发的早期阶段，就筛选出具有更好ADME特性和安全性的化合物。
近期，在J.Med.Chem.上报道了一篇LTA4H（Leukotriene A4 hydrolase）抑制剂优化的文献，介绍了亲脂效率（Lipophilic efficiency，LipE）在分子设计中的应用，最终发现口服有效的LTA4H抑制剂。
该文献中提到的亲脂性特性，同样可以通过AiDMET成药性预测平台进行准确预测。为了验证这一点，下图是该文献logD7.4实验值与AiDMET预测值的比较，以及预测的亲脂性进一步计算LipE与文献值的比较。
结果显示，AiDMET平台对亲脂性的预测结果不仅可靠，而且在计算LipE时同样具有极高的参考价值。在药物设计的过程中，研究人员可以便捷地利用这些亲脂性数据作为指导，实现更高效、精准的药物设计。
天智药成团队开发的AiDMET成药性预测平台是一款功能强大的分子成药性预测工具，利用人工智能预测模型从分子结构出发全面呈现出一种新化学物质的潜在ADMET成药性参数：
从简单的物理化学性质（如氢键能力、分子质量、溶解度和亲脂性等）到完整的ADMET参数预测（例如吸收百分比、生物利用度、清除率、分布体积和半衰期等），能够为新药小分子提供吸收、分布、代谢、排泄、毒性等160多项参数的预测服务，让您的新药设计更高效。
本文转载自药智网，仅供参考学习。
