CDD 、創薬のための深層学習戦略に関するフェーズ2SBIR助成金を獲得

カリフォルニア州バーリンゲーム -2020年4月7日- ウェブベースの創薬インフォマティクス・プラットフォームを提供するCollaborative Drug Discovery社は、NIH NCATSから競争的審査を経たフェーズ2SBIR補助金を獲得したと発表しました。 CDD Vaultコラボレーティブ・ドラッグ・ディスカバリー社（本社：米国カリフォルニア州バークレイ）は、NIH NCATSから「Novel deep learning strategy to better predict pharmacological properties of candidate drugs and focus discovery efforts（新薬候補の薬理特性をより正確に予測し、創薬活動を集中させるための深層学習戦略）」と題した競争的かつ査読付きのフェーズ2SBIR補助金を獲得したと発表しました。

Collaborative Drug Discovery, Inc.(CDD) は、分子を化学的に豊かなベクトルにエンコードするための、深層学習ニューラルネットワークに基づく新しい計算モデリングアプローチの開発を継続することを提案します。

では 第1段階 この表現を用いることで、最先端のモデルよりも正確に分子の化学的性質を予測する計算モデルが可能になり、しかも、高性能を実現するために専門家の判断や最適化を必要としないため、はるかにシンプルに構築できることを実証しました。

フェーズ2では、この前例のないシンプルさを利用して、直感的なソフトウェアパッケージを開発します。これにより、創薬に携わるすべての化学者や生物学者が、専門的なケムインフォマティクスの知識に頼ることなく、独自の予測モデルを作成して実行することが初めて可能になり、しかも現在利用可能な最高の技術を上回る精度を達成することができます。また、この検証をフェーズ1の概念実証にとどまらず、生物活性、ADME/ Tox、薬物動態の特性など、より幅広い分野に広げていきます。これらの目的は、科学者が多くの治療分野で新薬の発見を促進するのに役立つ画期的な製品を生み出すのに十分なものです。

薬理学的に重要な特性を予測する計算モデルは、学術研究室から大規模な製薬会社に至るまで、創薬研究において普遍的な役割を果たしています。いくつかの特性（例：logP）は現在、非常に高い信頼性でモデル化されており、モデルがアッセイを行う必要性を代替していますが、他の多くの重要な特性（例：溶解度、ADME、PK、hERG）は、まだこの目標にはほど遠い状態です。私たちが提案する化学的に豊かなベクターは、従来の記述子やフィンガープリントで達成できる以上に、技術の状態を大きく前進させると期待しています。改良されたモデルにより、研究者はリード候補シリーズをより効果的に選択し、リード周辺の化学的空間を探索して新規IPをより効率的に生成し、創薬パイプラインを進む化合物の失敗率を低減し、創薬プロセス全体を加速することができます。これらのメリットは、ほとんどの治療分野で広く実現されるでしょう。

本助成金について

スモールビジネスイノベーションリサーチ（SBIR）は、生物学的データの共有を可能にするプログラムの一部です。National Center for Advancing Translational Sciencesからの 前回のPhase 1Award Number #1R43TR002527-01 については以下の通りです。 NIHレポーター. 本コンテンツは著者の責任であり、必ずしも National Center for Advancing Translational Sciences またはNational Institutes of Healthの公式見解を示す ものではありません。