전 세계 모든 Schrödinger 사무소는 휴식과 재충전을 위한 전사적 조치의 일환으로 8월 17일부터 21일까지 일주일간 휴무합니다. 이 기간 동안 문의에 대한 답변이 제한될 수 있으니 양해 부탁드립니다. 과학 및 기술 지원팀 직원들은 긴급 지원 문의에 한해 대응할 예정입니다.

APR 16, 2026

의약 화학자 의 영향력을 확대하기 위해 대규모 아이디어 창출, FEP+, 머신러닝 및 역합성(retrosynthesis)을 통해 LiveDesign

의약화학은 프로젝트 SAR 해석, 친화도와 ADMET 프로파일을 모두 충족하는 화합물 구상, 합성 및 어세이 보고의 실무 관리 등, 매우 중요한 과제들이 점점 더 복잡하게 조화를 이루는 분야입니다. 계산 도구가 의약 화학자의 주요 workspace 와 분리되어 운영될 경우, 첨단 모델링의 효과가 희석되고 개발 후보물질(DC)로 가는 길이 불확실해집니다.

Schrödinger의 엔터프라이즈 인포매틱스 플랫폼, LiveDesign이 격차를 해소하는 통합 플랫폼으로 기능하는지 확인해 보시기 바랍니다. LiveDesign 는 전체 계산 파이프라인을 통합함으로써, 의약 화학자들이 완전한“예측 우선(predict-first)” 패러다임을 채택할 수 있도록 지원합니다. 이러한 접근 방식은 의사 결정과 협업을 중앙 집중화함으로써 모델러부터 경영진까지 전체 프로젝트 팀의 영향력을 극대화합니다. 신약 발굴 과정 전반에 걸쳐 팀에 예측적 통찰력을 제공함으로써, MPO 최적화를 더욱 효율적으로 수행하고, 합성되는 화합물의 총 수를 줄이며, DMTA 주기 및 DC 도출까지의 과정을 대폭 단축할 수 있습니다.

주요 내용:

  • 전략적 DMTA 가속화:AutoDesigner를 활용하여 액티브 러닝 FEP+ 합성에 착수하기 전에 수천 가지 아이디어를 검토하는 방법
  • 원활한 MPO 워크플로우: 후기 단계의 실패를 방지하기 위해 ‘ LiveDesign ’ 인터페이스 내에서 효능과 ADMET 프로파일을 동시에 균형 있게 조정
  • 합성 현실 검증:RetroSynth를활용하여 높은 점수를 받은 디지털 설계와 실제 벤치탑 구현 가능성 간의 격차를 해소하기
  • LiveDesign 실전 시연: “리드-투-DC(lead-to-DC)” 시나리오에 대한 실시간 단계별 안내를 통해,LiveDesign Assistant와통합 모델링 도구를활용하여화학자가 원시 SAR 표에서 우선순위가 지정되고 실행 가능한 합성 목록으로 단 한 번의 세션 만에 전환할 수 있는 방법을 보여줍니다.

참가 대상:

  • 일상적인 설계 워크플로우에서 업계에서 가장 정확한 효능 예측 결과와 머신러닝 모델을 활용하고자 하는 의약 화학자들
  • 예산 효율성을 극대화하고, 후보자 선정 과정을 지연시키는 기술적 사일로를 해소하고자 하는 프로젝트 팀 리더들
  • 검증된 최고 수준의 모델을 조직 전체에 도입하여 영향력을 확대하고자 하는 전산 화학자들

연사 소개

제이슨 카스타네다

계정 관리 부문 전무이사, Schrödinger

마르톤 바스

선임 수석 응용 과학자, Schrödinger

마르톤 바스(Márton Vass)는 Schrödinger 의 All Access Applications Science 팀의 글로벌 리더입니다. 그는 LiveDesign 에서 과학적 워크플로우의 개발 및 배포 업무를 담당하고 있으며, 특히 FEP+ 와 Desmond 에 중점을 두고 있습니다. 또한 LiveDesign 에서 의학 박사(MD) 학위를 취득했으며, 신약 개발 응용을 위한 기계 학습 기반 단백질 접힘 및 공동 접힘 기법의 자동화 활용에 연구를 집중하고 있습니다. Schrödinger 에 합류하기 전, 마르톤은 중견 제약 기업인 Gedeon Richer Plc에서 근무하면서 부다페스트 공과경제대학교(Budapest University of Technology and Economics)에서 박사 학위를 취득했습니다. 또한 암스테르담 자유대학교(Vrije Universiteit Amsterdam)에서 박사후 연구원으로 재직하며 KNIME을 활용한 GPCR 신약 개발을 위한 화학정보학 알고리즘을 구현했고, 이후 런던의 BenevolentAI에 합류하여 머신러닝 증강 신약 개발 방법론을 적용하고, 회사 내에서 단백질 구조 기반 머신러닝 도구 개발을 주도했습니다.