AIDDISON™ Explorer : logiciel d'exploration de médicaments basé sur l'IA
Conception moléculaire guidée par l'IA générative et hiérarchisation des candidats
Les premières étapes de la découverte de médicaments reposent sur la sélection des molécules appropriées à synthétiser, compte tenu de contraintes concurrentes. AIDDISON™ Explorer permet une exploration ciblée de l’espace chimique, en générant des structures candidates et en les classant selon une optimisation multiparamétrique portant sur la puissance, les propriétés ADMET et la faisabilité de la synthèse.
Les modèles sont entraînés à partir de plus de 30 ans de données issues de la R&D pharmaceutique, incluant aussi bien des composés couronnés de succès que des échecs, afin de faciliter une prise de décision plus rapide et plus réaliste dès les premières étapes.
Des critères de conception aux molécules candidates classées
Définissez votre profil cible et vos contraintes de conception. AIDDISON™ Explorer propose de nouvelles molécules candidates, les évalue selon des critères de notation définis et classe les résultats, aidant ainsi les chercheurs à concentrer leurs efforts expérimentaux dès le départ sur les structures les plus prometteuses.
Compétences clés pour les chimistes médicinaux
Conception moléculaire générative
Générez de nouvelles structures moléculaires à l’aide de modèles guidés par l’apprentissage par renforcement, dérivés du framework REINVENT 4.0. L’exploration est guidée par des contraintes de conception définies afin d’identifier des candidats au-delà des squelettes connus.
Optimisation multiparamétrique (MPO)
Équilibrer simultanément la puissance, les propriétés physico-chimiques et les considérations liées à la faisabilité du développement. Une notation multi-objectifs permet d’identifier les candidats qui répondent le mieux aux critères du projet.
Modélisation prédictive ADMET
Évaluez dès le début les propriétés ADMET prédites à l’aide de modèles d’apprentissage automatique entraînés sur des décennies de données expérimentales pharmaceutiques. Les résultats de prédiction incluent des indicateurs de confiance et des métriques d’IA explicables pour faciliter l’interprétation des résultats.
Conception de candidats tenant compte de la synthèse
Évaluez les scores d’accessibilité synthétique et générez des voies de rétrosynthèse viables grâce à l’intégration de l’API SYNTHIA®, en tenant compte notamment de la faisabilité de la voie, du nombre d’étapes et de la disponibilité des composants de base.
Conception moléculaire guidée par l'IA dans le processus de découverte
AIDDISON™ Explorer vient compléter les outils de découverte computationnels et expérimentaux existants. Les molécules candidates générées par la plateforme peuvent être exportées directement vers des workflows de docking, de planification de synthèse et d’expérimentation à l’aide de formats de fichiers standard (CSV, SDF, RD). Les résultats comprennent un classement des molécules candidates accompagné de profils ADMET prédits, de propriétés physico-chimiques et d’évaluations de l’accessibilité synthétique.
Le déploiement natif dans le cloud, associé à une sécurité des données certifiée ISO 27001, permet une utilisation dans les environnements de recherche d’entreprise.
Applications dans la découverte de petites molécules
Générer diverses molécules candidates de novo correspondant à des profils cibles définis.
Explorer l'espace chimique autour des squelettes prioritaires et identifier de nouvelles variantes structurelles.
Trouver le juste équilibre entre l'activité, les propriétés ADMET et la faisabilité de la synthèse lors de l'affinage des composés candidats.
Modèles basés sur des données réelles issues de la recherche
Les modèles prédictifs ADMET sont entraînés à partir de composés ayant connu le succès ou l’échec, issus de plus de 30 ans de données de R&D pharmaceutique provenant de notre division Santé, couvrant des paramètres tels que la perméabilité au CACO₂, la cardiotoxicité (hERG), la clairance intrinsèque (Clint), et bien d’autres encore. En intégrant à la fois les composés couronnés de succès et ceux ayant échoué, les modèles reflètent les résultats réels de la recherche et permettent une hiérarchisation plus fiable des candidats dès les premières étapes.
Des résultats d’IA explicables, des indicateurs de confiance et des visualisations de la contribution des caractéristiques apportent de la transparence aux prédictions des modèles et aident les chercheurs à interpréter les résultats avec davantage d’assurance.
Découvrez AIDDISON™ Explorer en action
Demandez une démonstration pour découvrir comment la conception moléculaire générative et la modélisation prédictive peuvent soutenir votre programme de découverte de médicaments.
Un spécialiste vous contactera pour comprendre vos objectifs de recherche et vous proposer une présentation ciblée de la plateforme.
Ressources connexes
- Note d'application : Dynamiser la découverte de médicaments grâce à l'IA/ML et aux outils CADD sur une plateforme SaaS sécurisée et accessible via le Web
En intégrant de manière transparente des modèles génératifs, la prédiction des propriétés ADMET, l'exploration d'espaces chimiques vastes et l'ancrage moléculaire, AIDDISON™ offre une plateforme sophistiquée dédiée à la découverte de médicaments moderne.
- Livre blanc : Utilisation de logiciels basés sur l'IA pour accélérer et optimiser la conception de nouveaux médicaments
AIDDISON™ s'appuie sur une approche scientifique pour générer dans un premier temps des milliers de molécules candidates viables, qui serviront de point de départ à l'analyse.
- Livre blanc : Créer une boîte à outils de nouvelle génération pour la découverte de médicaments basée sur l'IA
L'apprentissage automatique, l'apprentissage profond et l'IA générative peuvent aider les scientifiques à générer des structures pour de nouveaux candidats-médicaments et à étudier la liaison protéine-ligand avant même de commencer la moindre expérience en laboratoire.
- Livre blanc : Comment mettre en place votre programme de découverte de médicaments basé sur l'IA
Ce guide pratique offre des conseils complets pour intégrer l'IA dans les programmes existants de découverte de médicaments.
- Article : La qualité avant tout : une solution d'IA clé en main s'appuyant sur un système de Big Data robuste
À mesure que notre accès à un espace chimique plus diversifié s'élargit, grâce aux progrès de la chimie combinatoire, l'exploration de cet espace devient de plus en plus complexe et essentielle pour la découverte de médicaments.
- Article : Exploiter l'IA générative pour révolutionner la découverte de médicaments
Notre plateforme de découverte de médicaments basée sur l'IA aidera les chercheurs à explorer un vaste espace chimique et à concevoir des candidats-médicaments prometteurs en quelques minutes.
- Article : Merck KGaA, Darmstadt (Allemagne), lance la toute première solution d'intelligence artificielle intégrant la découverte et la synthèse de médicaments
La plateforme AIDDISON™, proposée en mode SaaS (Software-as-a-Service), fait le lien entre la conception virtuelle de molécules et la fabrication dans le monde réel.
- Article : Accélérer la découverte de médicaments grâce à l'intelligence artificielle
Avant que cette nouvelle plateforme de découverte de médicaments basée sur l'IA ne soit commercialisée, il a fallu passer par des essais, des épreuves et une idée griffonnée sur une serviette en papier.
- Dépliant : AIDDISON™, découverte de médicaments basée sur l'IA
AIDDISON™ associe la puissance de l'intelligence artificielle (IA) et des outils de conception de médicaments assistée par ordinateur (CADD) au sein d'une plateforme intégrée unique, destinée au criblage virtuel, au « scaffold hopping », à l'identification de composés prometteurs et à l'optimisation des composés phares en chimie médicinale.