Collaborative Drug Discovery obtiene una subvención SBIR de fase II para desarrollar herramientas de biocomputación en conjuntos de datos privados distribuidos para mejorar el descubrimiento de fármacos

Burlingame, California -19 de noviembre de 2013- Collaborative Drug Discovery (CDD), proveedor de una plataforma informática de descubrimiento de fármacos basada en la web, ha anunciado que ha recibido una subvención para un proyecto de desarrollo de software centrado en el modelo computacional y el intercambio de datos.

La subvención de la fase II de la Investigación para la Innovación de la Pequeña Empresa (SBIR) del Centro Nacional para el Avance de las Ciencias Translacionales forma parte de un programa que permite compartir datos biológicos.

"En la fase I, demostramos que los modelos de aprendizaje automático computacional para la tuberculosis podían compartirse entre laboratorios y utilizarse para hacer predicciones y seleccionar compuestos para las pruebas", dijo Sean Ekins, Ph.D., D.Sc., director científico de CDD. En colaboración con Joel Freundlich (Escuela de Medicina de Rutgers -Nueva Jersey), Robert Reynolds (Instituto de Investigación del Sur) y Allan Casey (Instituto de Investigación de Enfermedades Infecciosas) se identificaron nuevos compuestos activos contra Mycobacterium tuberculosis de células enteras in vitro (1-5). Ekins añadió: "Este trabajo siguió a nuestra valiosa colaboración con Pfizer en 2010, que también dio lugar a un artículo que describía el uso de herramientas de código abierto para modelos computacionales de ADME (6). Nos dimos cuenta entonces de que había una importante oportunidad de utilizar CDD para alojar y compartir selectivamente modelos computacionales."

La subvención se basará en el trabajo pionero de CDDsobre el intercambio selectivo y seguro de datos alojados, y se utilizará para desarrollar un nuevo producto para CDD.

El proyecto descrito ha sido apoyado por el premio número 9R44TR000942-02 del National Center for Advancing Translational Sciences. El contenido es responsabilidad exclusiva de los autores y no representa necesariamente la opinión oficial del National Center for Advancing Translational Sciences o de los National Institutes of Health.

Acerca de Collaborative Drug Discovery, Inc.
CDD (www.collaborativedrug.com) ofrece la plataforma informática para el descubrimiento de fármacos más utilizada en el mercado. CDD Vault® es la base de datos segura y privada de carácter industrial que combina la informática tradicional para el descubrimiento de fármacos (registro y SAR) con las capacidades de las redes sociales. Una versión de libre acceso de CDD Vault permite a los investigadores extraer un conjunto único de información pública procedente de diversos proveedores de datos científicos.

Contactos con los medios de comunicación: Barry Bunin, PhD, Collaborative Drug Discovery, (650) 204-3084, [email protected]

Referencias:

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

2. Ekins S, Freundlich JS y 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 y 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 y 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 y Ekins S, Using open source computational tools for predicting human metabolic stability and additional ADME/Tox properties, Drug Metab Dispos, 38: 2083-2090, 2010.