Collaborative Drug Discovery gewinnt Phase II SBIR Grant zur Entwicklung von Tools für Biocomputation über verteilte private Datensätze zur Verbesserung der Wirkstoffforschung

November 19, 2013

press-release-stock

Burlingame, Kalifornien, 19. November 2013 - Collaborative Drug Discovery (CDD), ein Anbieter einer webbasierten Informatikplattform für die Arzneimittelforschung, gab bekannt, dass er einen Zuschuss für ein Softwareentwicklungsprojekt erhalten hat, das sich auf die gemeinsame Nutzung von Berechnungsmodellen und Daten konzentriert.

Der Phase II Small Business Innovation Research (SBIR)-Zuschuss des National Center for Advancing Translational Sciences ist Teil eines Programms, das die gemeinsame Nutzung von biologischen Daten ermöglicht.

"In Phase I haben wir gezeigt, dass computergestützte maschinelle Lernmodelle für Tuberkulose von verschiedenen Labors gemeinsam genutzt werden können, um Vorhersagen zu treffen und Wirkstoffe für Tests auszuwählen", sagte Sean Ekins, Ph.D., D.Sc., Chief Scientific Officer bei CDD. In Zusammenarbeit mit Joel Freundlich (Rutgers-New Jersey Medical School), Robert Reynolds (Southern Research Institute) und Allan Casey (Infectious Disease Research Institute) wurden neue Wirkstoffe gegen Mycobacterium tuberculosis in vitro identifiziert (1-5). Ekins fügte hinzu: "Diese Arbeit folgte auf unsere wertvolle Zusammenarbeit mit Pfizer im Jahr 2010, die auch zu einer Veröffentlichung führte, in der die Verwendung von Open-Source-Tools für computergestützte ADME-Modelle beschrieben wurde (6). Damals erkannten wir, dass es eine wichtige Möglichkeit gibt, CDD zu nutzen, um Berechnungsmodelle zu hosten und selektiv zu teilen."

Der Zuschuss wird auf der Pionierarbeit von CDDzur sicheren, selektiven gemeinsamen Nutzung gehosteter Daten aufbauen und zur Entwicklung eines neuen Produkts für CDD verwendet werden.

Das beschriebene Projekt wurde durch die Award-Nummer 9R44TR000942-02 des National Center for Advancing Translational Sciences unterstützt. Der Inhalt liegt in der alleinigen Verantwortung der Autoren und repräsentiert nicht unbedingt die offiziellen Ansichten des National Center for Advancing Translational Sciences oder der National Institutes of Health.

Über Collaborative Drug Discovery, Inc.
CDD (www.collaborativedrug.com) bietet die am weitesten verbreitete webbasierte Informationsplattform für die Arzneimittelentdeckung auf dem Markt. CDD Vault® ist die sichere, private Datenbank auf Industriestandard, die die traditionelle Arzneimittelentdeckungsinformatik (Registrierung und SAR) mit sozialen Netzwerkfunktionen kombiniert. Eine frei verfügbare Version von CDD Vault ermöglicht es Forschern, eine einzigartige Zusammenstellung öffentlicher Informationen von einer Vielzahl von wissenschaftlichen Datenanbietern zu nutzen.

Medienkontakte: Barry Bunin, PhD, Collaborative Drug Discovery, (650) 204-3084, [email protected]

Referenzen:

1. Ekins S, Casey A.C, Roberts D, Parish T. und Bunin BA, Bayesian Models for Screening and TB Mobile for Target Inference with Mycobacterium tuberculosis, Eingereicht 2013.

2. Ekins S, Freundlich JS und Reynolds RC, Fusing dual-event datasets for Mycobacterium Tuberculosis machine learning models and their evaluation, J Chem Inf Model, In Press 2013.

3. Ekins S, Freundlich JS, Hobrath JV, White EL, Reynolds RC, Combining computational methods for hit to lead optimization in Mycobacterium tuberculosis drug discovery, Pharm Res, In Press 2013.

4. Ekins S, Reynolds RC, Franzblau SG, Wan B, Freundlich JS und Bunin BA. Enhancing hit identification in Mycobacterium tuberculosis drug discovery using validated dual-event Bayesian models, PLOS ONE, 8(5): e63240, 2013.

5. Ekins S, Reynolds RC, Kim H, Koo M-S, Ekonomidis M, Talaue M, Paget SD, Woolhiser LK Lenaerts AJ, Bunin BA, Connell N und Freundlich JS. Bayesian models leveraging bioactivity and cytotoxicity information for drug discovery, Chem Biol, 20: 370-378, 2013.

6. Rishi R. Gupta, Gifford, EM, Liston T, Waller CL, Hohman M, Bunin BA und Ekins S, Using open source computational tools for predicting human metabolic stability and additional ADME/Tox properties, Drug Metab Dispos, 38: 2083-2090, 2010.