在药物研发中，ADMET（吸收、分布、代谢、排泄、毒性）属性是评估候选化合物成药性的核心指标。传统的实验方法周期长、成本高，而计算预测工具为早期药物筛选提供了高效、经济的解决方案。尽早通过计算工具预测这些性质，可显著降低实验成本并加速研发进程。以下从工具功能、适用场景及使用建议三个维度，系统梳理当前主流的 ADMET 预测工具。
经典工具：快速筛选与基础分析
1. SwissADME
网站链接：http://www.swissadme.ch/
核心功能：
● 计算分子理化性质（分子量、氢键参数等）
● 预测口服生物利用度、血脑屏障通透性、CYP 酶抑制等 12 项 ADME 参数
● 提供类药性评估（Lipinski 规则、Ghose 标准等）
优势：
● 完全免费且操作简便，输入 SMILES 即可获取结果
● 界面直观，支持批量分析和数据导出
● 内置参考数据库，可对比同类药物性质
局限：
● 毒性预测能力较弱，仅覆盖基础 ADME 指标
● 模型基于历史数据，对新型分子预测偏差较大
适用场景：先导化合物初筛、快速排除明显不符合类药性的分子
2. pkCSM
网站链接：https://biosig.lab.uq.edu.au/pkcsm/
核心功能：
● 基于分子图论的 ADMET 预测模型
● 涵盖药代动力学（如生物利用度、血浆蛋白结合）和毒性（如 hERG 抑制、肝毒性）共 16 项指标
● 支持多分子同时分析，输出概率值和置信区间
优势：
● 预测范围广，尤其在代谢稳定性和毒性评估上表现突出
● 提供分子子结构贡献分析，解释预测结果
● 与 ChEMBL 数据库深度整合，可直接调取实验数据
局限：
● 部分高级功能需注册账号
● 对复杂分子（如多肽）预测精度下降
适用场景：临床前候选化合物的全面评估、结构 - 性质关系分析
专业工具：深度预测与机制研究
1. ADMET Predictor
网站链接：https://www.simulations-plus.com/software/admetpredictor/
核心功能：
●整合 175 + 项 ADMET 参数预测，包括代谢清除率、组织分布、药物相互作用等
●支持基于机器学习的 QSAR 模型和基于生理的 PBPK 模型
●提供虚拟化合物库生成和风险评估自定义规则
优势：
●预测精度高，尤其在代谢途径和毒性机制解析上表现优异
●可模拟特殊人群（如肝肾功能不全者）的药代行为
●提供 API 接口，支持与实验室信息系统集成
局限：
●需付费购买，企业版年费约 5 万美元
●对硬件配置要求较高
适用场景：临床候选化合物的成药性评估、药物相互作用研究
2. ADMETlab 3.0
网站链接：https://admetlab3.scbdd.com/
核心功能：
● 基于 DMPNN 深度学习框架，覆盖 34 项 ADME 终点和 36 项毒性指标
● 提供代谢产物预测、毒性警报子结构识别等特色功能
● 内置 28 万 + 化合物数据库，支持化学空间相似性分析
优势：
● 预测维度全面，毒性预测覆盖遗传毒性、致癌性等 12 类
● 界面交互性强，可生成可视化报告
● 定期更新模型，适配新型分子（如 PROTACs）
局限：
● 免费版功能受限，高级分析需订阅
● 对复杂分子的计算耗时较长
适用场景：创新药研发、复杂分子（如大分子药物）的 ADMET 评估
新兴工具：AI 驱动与场景化应用
1. Auto-ADMET（基于 AutoML）
文献介绍：https://arxiv.org/pdf/2502.16378
核心功能：
● 自动化生成 11 种 ADMET 属性预测模型（如 Caco-2 渗透性、CYP 酶抑制）
● 支持贝叶斯优化和多算法融合（随机森林、XGBoost 等）
● 提供模型可解释性分析（SHAP 值、特征重要性）
优势：
● 无需专业机器学习知识，一键生成高性能模型
● 预测精度显著高于传统工具，AUC 值普遍 > 0.8
● 支持自定义数据集训练，适配特定研究需求
局限：
● 需具备一定编程基础（Python 环境配置）
● 对极端结构分子预测稳定性不足
适用场景：针对特定靶点的定制化预测、数据驱动的结构优化
2. Simcyp Biopharmaceutics
网站链接：https://www.certara.com/simcyp/
核心功能：
● 基于 PBPK 模型模拟药物吸收、分布、代谢过程
● 支持虚拟生物等效性（VBE）评估和制剂开发优化
● 内置体外 - 体内相关性（IVIVC）模块，整合溶出度数据
优势：
● 精准预测食物效应、抑酸剂影响等复杂场景
● 可模拟特殊给药途径（如皮下注射、阴道给药）
● 输出群体药代动力学参数，支持剂量方案优化
局限：
● 价格昂贵，基础模块年费约 3 万美元
● 学习曲线陡峭，需接受专业培训
适用场景：仿制药开发、制剂工艺优化、生物豁免申请
工具选择指南
| 评估维度 | 推荐工具 | 理由 |
| 快速初筛 | SwissADME、pkCSM | 免费、操作简便，适合高通量筛选 |
| 全面评估 | ADMET Predictor、ADMETlab 3.0 | 覆盖参数多，支持机制解析和特殊人群模拟 |
| 毒性预测 | Toxtree、ADMETlab 3.0 | 内置权威毒性模型（如 hERG、AMES 试验），提供子结构警报 |
| 机制研究 | Simcyp Biopharmaceutics | 基于生理模型模拟药物行为，支持 IVIVC 和 VBE 分析 |
| 定制化需求 | Auto-ADMET、ADMET Predictor | 支持自定义模型训练和 API 集成，适配特定研究场景 |
使用建议
1. 数据验证
所有预测结果需结合实验数据验证，尤其是毒性和代谢途径预测。建议选择 2-3 种工具交叉验证，例如用 SwissADME 初筛后，再用 ADMET Predictor 进行深度分析。
2. 版本管理
关注工具更新动态（如 ADMETlab 3.0 新增 DMPNN 模型），及时升级以获取最新算法。部分工具（如 pkCSM）提供版本号查询功能，可在结果报告中注明模型版本。
3. 资源整合
结合数据库（如 ChEMBL、DrugBank）使用，例如在 pkCSM 分析时同步调取同类药物的实验数据。ADMET Predictor 支持与实验室信息系统对接，可实现数据自动流转。
4. 成本控制
学术机构可申请 SwissADME、pkCSM 的教育版授权，企业用户可考虑 ADMETlab 3.0 的订阅制服务（年费约 8000 美元），避免一次性高额投入。
结语
ADMET 预测工具的选择需综合考量研究阶段、分子类型和资源配置。建议采用分层筛选策略：早期使用免费工具快速排除明显缺陷分子，中期通过专业工具进行深度评估，后期结合 PBPK 模型优化给药方案。随着 AI 技术的发展（如 AutoML 方法），预测工具的精准度和易用性将持续提升，成为药物研发不可或缺的生产力工具。
【免责声明】发布内容来源于互联网、业内人士投稿以及微信公众号等公开资源，我们对文中观点持中立态度，文中观点不代表本平台的立场。所有文章仅供读者参考和交流使用。转载的文章版权归原作者所有，如有侵权行为，请及时与我们联系以便删除。
