协作药物开发公司宣布获得美国国立卫生研究院（NIH）的新资助，用于开发新化学药品的虚拟方法

加利福尼亚州伯林格姆--2022年12月12日-- 合作药物发现公司获得了国家促进转化科学中心提供的88万美元的资助，CDD Vault ，用于开发新化学的虚拟方法。

两项新的虚拟化学技术将作为独立模块加入NCATS ASPIRE项目。第一个模块将使新的化学成分能够被建模，并利用直接来自仪器的最新结构/活性数据从尖端（深度）机器学习技术中进行选择。第二个模块将是一个新的信息学系统，用于在语义模板中捕获丰富的化学数据，作为机器可读的反应，这将提高电子实验室笔记本中化学反应的效用，并允许更精确的询问和自动化的反应分析（及其相应的反应产物）。模块1中的深度学习技术是基于我们新的富含化学成分的向量（CRV）方法，它能够将化学结构的信息压缩到64个数字的向量中，其效率允许编码过程被逆转：不仅CRV能够以高成功率（>90%的精确匹配）转换回其原始结构，而且修改后的CRV可以转换为化学空间中该点的代表结构。CRV是SAR/QSAR迭代的优秀描述符，因为它们在很小的空间里包含了更多的化学信息，相对于传统的描述符，允许结构-活性模型的自动化更加精简。由此产生的模型将通过一个交互式的视觉界面（由人指导）或一个后端算法来探索多维空间，以不断搜索新的和更好的结构（由机器指导）。交互式和自动化过程都将被连接回ASPIRE自动化循环中，以便对其进行综合和测量（假设评估和迭代优化）。第二个模块，机器可读反应，借鉴了我们开发BioHarmony注释器（原名：BioAssay Express）的丰富经验，该注释器使用自然语言模型为生物检测协议分配语义本体术语，将其从非结构化文本转化为机器可读数据。鉴于文本的非结构化性质、缩写、捷径以及图表中的假设，从协议和化学结构图中提取反应的全部内容是非常困难的。由于需要将方案中的材料与反应文本描述（如试剂、溶剂、配方中涉及的序列、反应过程和产品特征）联系起来，这就更加复杂。作为一种选择，我们将对CDD stoichiometric sketcher进行模块化，这将使我们能够提取这些数据。我们将与NCATS合作，确定需要采集的重要字段，创建一个机器可读的化学反应模板。