作为公司范围内的休整与充电计划的一部分,Schrödinger 全球所有办事处将于8月17日至21日当周暂停办公。在此期间,我们的响应将有所限制,敬请谅解。Scientific和技术支持 团队成员仅会处理紧急支持问题。

AUG 13, 2024

借助集成式 的AI/ML建模技术赋能科学家,实现分子性质的快速预测

AI/ML模型是预测小分子各种物理和化学性质的强大工具。然而,对这些模型进行微调不仅资源消耗巨大,而且在面对数量庞大且频繁更新的数据集时,难以实现规模化。通过自动化这一过程,并确保在获得新数据时对模型进行重新训练,可以提高利用AI/ML模型推进药物发现项目的效率。

在本场网络研讨会中,我们将介绍LiveDesign ML——这是 Schrödinger旗下LiveDesign 协作型企业信息学平台中的一个新模块,旨在以最少的人工干预来训练和部署最先进的人工智能/机器学习模型。LiveDesign ML 将数据集视为动态信息流,这些信息流会随着科学家探索新化学而不断演进,从而提供优化的 AI/ML 模型。它在交互式设计环境中提供动态、可靠且快速的分子性质预测,使团队能够在数分钟内对新绘制的设计构想或数十万个化合物构想进行筛选,以构建大型化合物库筛选 。

我们将通过Schrödinger治疗学部门近期开展的几个案例研究,展示LiveDesign 机器学习(ML)的应用场景。在这些案例中,该技术帮助团队克服了关键的设计挑战,并推动了项目进展。

亮点

  • LiveDesign 机器学习功能及用户界面的概述
  • 利用实验和/或计算机模拟数据 ,演示LiveDesign 机器学习在人工智能/机器学习分子性质预测中的应用
  • 能够为大型化合物库在几分钟内对数十万个化合物构想进行筛选筛选
  • Schrödinger药物发现项目中的成功案例

我们的演讲嘉宾

詹妮弗·奈特

主任,Schrödinger

詹·奈特(Jen Knight)是Schrödinger 治疗学小组的总监。她自2012年起加入Schrödinger ,一直担任建模专家先导化合物 ,参与公司内部项目及合作项目。她专精于自由能计算方法、LiveDesign 工作流优化 以及机器学习(ML) 的应用。

扎克·卡普兰

高级首席科学家,Schrödinger

扎克·卡普兰(Zach Kaplan)是Schrödinger旗下机器学习(ML) 团队的高级首席科学家。自2019年以来,扎克一直致力于Schrödinger机器学习工具的研究、开发和应用。他领导ML Med Chem应用团队,并担任Schrödinger旗下DeepAutoQSAR和LiveDesign ML的产品经理。在加入Schrödinger 之前,扎克曾在布朗大学攻读应用数学专业。