别再对有毒物质一味猜测——开始针对其特性进行设计

Predictive Tox 是Schrödinger推出的基于物理理论 解决方案，旨在识别并合理应对毒性风险（例如 hERG、CYP 和核受体相互作用），以防止这些风险导致药物发现项目脱轨。该方案整合了业界领先的预测模型，包括FEP+ 和 IFD-MD，可提供原子级毒性归因分析，并合理阐释结构活性关系（SAR）。

上传您的配体，并将其提交进行针对已知毒性靶点的虚拟筛选 。Predictive Tox 会提供可操作且全面的评估结果（通常在24小时内），不仅显示是否存在风险，还会指出是哪些原子或子结构导致了该风险——这样您的团队就能在设计阶段就规避问题，而不是在后期才发现问题。

截至 2026-3 版本，Predictive Tox 在“筛选 ”模式下共支持 76 个靶点。其中包括激酶、GPCR、溴结构域和核激素受体。此外，还支持需要用户提供 SAR 数据的关键抗靶点（如 hERG、CYP3A4、CYP2C9、CYP3D6 和 PXR）。 我们的团队正在积极拓展覆盖范围，请联系您的客户经理以获取最新信息。

与高度依赖 rigid 训练集的黑盒 QSAR/ML 分类器或开源工具不同，Predictive Tox 利用基于物理理论 方法（FEP+ 和 IFD-MD）来提供存在问题的配体-蛋白质相互作用的显式 3D 结构。这种原子级归因解释了分子为何被标记，使化学家能够进行合理、精准的重新设计，而非简单的化合物库筛选。 此外，实验验证表明，诸如“对照百分比”（POC）等竞争性指标存在高达三个对数单位的不确定性（例如，1% 的 POC 可能涵盖 1 nM 至 1 µM 的范围），而 Predictive Tox 则提供了清晰的热力学结合假说。

Yes. Predictive Tox incorporates validated absolute binding free energy perturbation (AB-FEP) thermodynamic models that compare ligand binding affinities between active and inactive receptor states. A favorable calculated binding free energy to the active state versus the inactive state (𝚫 Gactive < 𝚫 Ginactive) serves as a strong, actionable predictor that a ligand will function as an agonist rather than an antagonist.

Predictive Tox 以基于信用的 SaaS 解决方案形式提供。

不。它基于您已经依赖的相同核心方法——FEP+ 和IFD-MD，并整合为一个快速、专注的筛选 工作流程。它与您现有的先导化合物 优化 以及基于结构的设计工作相辅相成，而非取而代之。

是的，我们的团队正在积极将新的抗靶点添加到检测面板中，如需获取最新信息，请联系您的Schrödinger 客户经理。

预约演示或联系您的Schrödinger 客户经理，立即开始。