CDD 약물 발견을 위한 딥 러닝 전략에 대한 2단계 SBIR 보조금 수여

벌린게임, 캘리포니아 —2020년 4월 7일— 공동 약물 발견, CDD Vault 웹 기반 약물 발견 정보학 플랫폼은 NIH NCATS의 경쟁력 있고 동료 검토된 2단계 SBIR 교부금을 수상했다고 발표했습니다: "후보 약물의 약리학적 특성을 더 잘 예측하고 발견 노력을 집중하기 위한 새로운 딥 러닝 전략".

(주)협력신약 발견CDD) 심층 학습 신경망을 기반으로 새로운 컴퓨팅 모델링 접근 법의 개발을 계속제안 화학 적으로 풍부한 벡터로 분자를 인코딩.

1단계에서는 이러한 표현을 통해 최첨단 모델보다 분자의 화학적 특성을 보다 정확하게 예측할 수 있지만, 높은 성능을 달성하기 위해 전문가의 결정이나 최적화가 필요하지 않기 때문에 훨씬 더 간단하다는 것을 입증했습니다.

2단계에서는 이러한 전례 없는 단순성을 활용하여 신약 개발에서 일하는 화학자 나 생물학자가 전문 화학 물질 전문 지식에 의존하지 않고 자체 예측 모델을 만들고 실행할 수 있도록 하는 직관적인 소프트웨어 패키지를 개발할 것입니다. 또한 더 넓은 범위의 생체 활성, ADME/Tox 및 약동적 특성을 포괄하기 위해 개념 증명 1단계를 넘어 검증을 확장할 것입니다. 이러한 목표는 이미 과학자들이 많은 치료 분야에서 광범위하게 신약의 발견을 가속화하는 데 도움이 되는 획기적인 제품을 만들기에 충분합니다.

약리학적으로 관련된 특성을 예측하는 전산 모델은 학술 실험실에서 대형 제약 회사에 이르기까지 약물 발견 연구에서 유비쿼터스 역할을합니다. 이제 일부 속성(예: logP)은 모델이 애스터를 수행할 필요성을 대체했다는 높은 신뢰로 모델링할 수 있지만 다른 많은 중요 특성(예: 용해도, ADME, PK, hERG)은 이 목표와 는 거리가 멀다. 우리는 우리의 제안 된 화학적 풍부한 벡터가 기존의 설명자와 지문으로 달성 할 수있는 것 이상으로 예술의 상태를 크게 발전시킬 것으로 기대합니다. 개선된 모델을 통해 연구자들은 잠재 후보 시리즈를 보다 효과적으로 선택하고, 리드 주변의 화학 공간을 탐색하여 새로운 IP를 보다 효율적으로 생성하고, 약물 발견 파이프라인을 통해 진행되는 화합물의 고장율을 줄이고, 전체 약물 발견 과정을 가속화할 수 있습니다. 이러한 혜택은 대부분의 치료 영역에 걸쳐 광범위하게 실현 될 것입니다.

이 교부금에 대해

중소기업 혁신 연구(SBIR)는 생물학적 데이터를 공유할 수 있는 프로그램의 일부입니다. 국립중앙회 에서 #1R43TR002527-01의 이전 1단계 상수는 NIH 리포터에 설명되어있다.  이 콘텐츠는 전적으로 저자의 책임이며 반드시 국립 국립 보건 센터 또는 국립 보건 원의 공식 견해를 나타내는 것은 아닙니다.