DPP Beta Anti-Virus Therapeutics ready API
Digital Preclinical Platform for Anti-Virus Therapeutics

Exposure → Inhibition → Response

약물의 체내노출(PK)과 활성 및 유효성(PD)의 수학적 모델을 이용한 용량, 용법 예측 엔진

Scenario definition
/01Exposure · PKoral
모델 파라미터 · PK model
입력값 · regimen & scaling
해당 데이터는 한국생명공학연구원 국가전임상시험지원센터 디지털전임상팀을 통해 지원 받으실 수 있습니다.
/02Potency · in vitro

EC50은 비결합 혈장 농도 기준입니다. µM 값이면 MW로 환산한 값을 쓰세요.

해당 데이터는 한국생명공학연구원 국가전임상시험지원센터 기초유효성팀을 통해 지원 받으실 수 있습니다.
/03Infection · viral dynamics off
Advanced structure
/04Scenario · horizon

투여 기간 = τ × n. 수평선(days)보다 짧으면 투여 종료 후 경과까지 함께 모사합니다.

Integrated cascadeone shared time axis — dose → exposure → inhibition → viral load
Exposure vs potencyfinal dosing interval
Predicted effectvs untreated
Viral burden reductionAUC of log10 VL, vs untreated
Coverage & inhibitionpercent — one axis
Trajectories by dosedarker = higher dose
Dose scan table
급성 감염에서는 투여 시점이 용량보다 강한 레버인 경우가 많습니다 — 표적세포가 피크 전후 며칠 안에 소모되기 때문입니다. 같은 레지멘으로 시작일만 바꿔 비교합니다.
Burden reduction by start dayAUC Δlog10·d
Shedding shorteneddays above LOD saved
Trajectories by start daydarker = later start
Timing table
LabelDose mgτ h
Viral load by regimenmatched course length
Unbound exposure by regimensame time axis, EC50/EC90 marked
Regimen table