Collaborative Drug Discovery anuncia una nueva subvención de los NIH para desarrollar enfoques virtuales de nuevas químicas

Burlingame, California - 12 de diciembre de 2022 - Collaborative Drug Discovery ha recibido una subvención de 880.000 dólares del National Center for Advancing Translational Sciences (Centro Nacional para el Avance de las Ciencias Traslacionales) que proporciona CDD Vault para el desarrollo de aproximaciones virtuales a nuevas químicas.

Se añadirán dos nuevas tecnologías de química virtual al proyecto NCATS ASPIRE como módulos independientes. El primer módulo permitirá modelizar y seleccionar nuevas químicas a partir de tecnología puntera de aprendizaje automático (profundo) utilizando los últimos datos de estructura/actividad tomados directamente de los instrumentos. El segundo módulo será un novedoso sistema informático para capturar datos ricos en química en una plantilla semántica como reacciones legibles por máquina, lo que aumentará la utilidad de las reacciones químicas en los cuadernos electrónicos de laboratorio y permitirá una interrogación y automatización más precisas de los análisis de reacciones (y sus correspondientes productos de reacción). La tecnología de aprendizaje profundo del módulo 1 se basa en nuestra nueva metodología de vectores químicamente ricos (CRV), que es capaz de comprimir información sobre estructuras químicas en un vector de 64 números con una eficiencia que permite invertir el proceso de codificación: no solo se puede volver a convertir un CRV en su estructura original con gran éxito (>90% de coincidencia exacta), sino que un CRV modificado se puede convertir en una estructura representativa de ese punto del espacio químico. Los CRV son excelentes descriptores para la iteración SAR/QSAR porque contienen mucha más información química en un espacio reducido, lo que permite agilizar la automatización de los modelos estructura-actividad en comparación con los descriptores convencionales. Los modelos resultantes explorarán el espacio multidimensional mediante una interfaz visual interactiva (dirigida por el ser humano) o un algoritmo back-end para buscar constantemente nuevas y mejores estructuras (dirigido por la máquina). Tanto los procesos interactivos como los automatizados se conectarán de nuevo al ciclo de automatización de ASPIRE para que puedan sintetizarse y medirse (evaluación de hipótesis y optimización iterativa). El segundo módulo, las reacciones legibles por máquina, se basa en nuestra amplia experiencia en el desarrollo de BioHarmony Annotator (anteriormente: BioAssay Express), que utiliza modelos de lenguaje natural para asignar términos de ontología semántica a los protocolos de ensayos biológicos, convirtiéndolos de texto no estructurado en datos legibles por máquina. Extraer todo el contenido de las reacciones a partir de protocolos y diagramas de estructura química es extraordinariamente difícil, dada la naturaleza desestructurada del texto, las abreviaturas, los atajos y las suposiciones que se incluyen en los diagramas. Se complica aún más por la necesidad de conectar los materiales del esquema con la descripción del texto de la reacción (por ejemplo, los reactivos, los disolventes, las secuencias que intervienen en la receta, la elaboración de la reacción y la caracterización del producto). Como alternativa, modularizaremos el esbozador estequiométrico CDD , lo que nos permitirá extraer estos datos. Trabajaremos con NCATS para identificar los campos importantes a capturar, creando una plantilla de reacción química legible por máquina.