Collaborative Drug Discovery annonce une nouvelle subvention du NIH pour développer des approches virtuelles de nouvelles chimies

Vault Burlingame, Californie - 12 décembre 2022 - Collaborative Drug Discovery a reçu une subvention de 880 000 dollars du National Center for Advancing Translational Sciences ( CDD ) pour le développement d'approches virtuelles de nouvelles chimies.

Deux nouvelles technologies de chimie virtuelle seront ajoutées au projet ASPIRE de NCATS sous forme de modules distincts. Le premier module permettra de modéliser et de sélectionner de nouvelles chimies à partir d'une technologie d'apprentissage automatique (profonde) de pointe utilisant les dernières données de structure/activité provenant directement des instruments. Le second module sera un nouveau système informatique permettant de saisir des données riches en chimie dans un modèle sémantique sous forme de réactions lisibles par machine, ce qui augmentera l'utilité des réactions chimiques dans les carnets de laboratoire électroniques et permettra une interrogation plus précise et l'automatisation des analyses de réaction (et de leurs produits de réaction correspondants). La technologie d'apprentissage profond du module 1 est basée sur notre nouvelle méthodologie de vecteur chimiquement riche (CRV), qui est capable de comprimer les informations sur les structures chimiques dans un vecteur de 64 nombres avec une efficacité qui permet d'inverser le processus d'encodage : non seulement un CRV peut être reconverti dans sa structure d'origine avec un succès élevé (>90% de correspondance exacte), mais un CRV modifié peut être converti en une structure représentative de ce point dans l'espace chimique. Les CRV sont d'excellents descripteurs pour l'itération SAR/QSAR car ils contiennent beaucoup plus d'informations chimiques dans un espace réduit, ce qui permet de rationaliser l'automatisation des modèles structure-activité, par rapport aux descripteurs conventionnels. Les modèles résultants exploreront l'espace multidimensionnel via une interface visuelle interactive (dirigée par l'homme) ou un algorithme dorsal pour rechercher constamment de nouvelles et meilleures structures (dirigé par la machine). Les processus interactifs et automatisés seront connectés au cycle d'automatisation d'ASPIRE afin d'être synthétisés et mesurés (évaluation des hypothèses et optimisation itérative). Le deuxième module, les réactions lisibles par machine, s'appuie sur notre vaste expérience dans le développement du BioHarmony Annotator (anciennement BioAssay Express) qui utilise des modèles de langage naturel pour assigner des termes sémantiques de l'ontologie aux protocoles d'essais biologiques, les transformant de texte non structuré en données lisibles par machine. L'extraction du contenu complet des réactions à partir des protocoles et des diagrammes de structure chimique est remarquablement difficile étant donné la nature non structurée du texte, des abréviations, des raccourcis et des hypothèses qui entrent dans les diagrammes. Elle est encore compliquée par la nécessité de relier les matériaux du schéma à la description du texte de la réaction (par exemple, les réactifs, les solvants, les séquences impliquées dans la recette, la préparation de la réaction et la caractérisation du produit). Comme alternative, nous allons modulariser le sketcher stœchiométrique CDD , ce qui nous permettra d'extraire ces données. Nous travaillerons avec le NCATS pour identifier les champs importants à capturer, créant ainsi un modèle de réaction chimique lisible par machine.