MAY 21, 2025
借助机器学习（ML） 增强技术推进药物发现项目从头设计
从头分子设计（De novo molecular design）是从零开始创造全新的化学实体，通过生成数十亿种新型分子结构来加速药物发现。随后对这些设计方案进行的计算表征，利用基于物理理论 计算和机器学习（ML） 算法，能够严格且快速地预测这一庞大分子库（化学空间 ）的实验终点。
在本场网络研讨会中，我们将演示如何将Schrödinger的AutoDesigner中基于从头设计 的大规模工作流程，与严格的基于自由能的评分方法相结合，并将其应用于近期多个项目，以克服关键的设计挑战。 我们将概述如何利用从头设计 与AutoDesigner协同工作，以加速EGFR药物发现项目，仅用六天时间便探索了230亿种新型化学结构，并筛选出四种具有理想活性与性质特征的新型骨架。此外，我们将重点介绍应用于WEE1抑制剂开发中的从头核心设计策略：通过自动化方法生成了全新的化学类型，在保持对靶点 强效抑制的同时，其对PLK1的选择性 值达到了>10,000倍。
最后，我们介绍了AutoDesigner LinkerDesign——一种能够从头生成并评估分子片段之间数十亿种潜在连接子的工作流，从而进一步拓展了计算设计能力。最后，我们将概述如何通过LiveDesign 上的交互式仪表盘来追踪这些工具的影响。
网络研讨会亮点
- 如何使用AutoDesigner设计用于苗头化合物 鉴定的创新核心，以及用于苗头化合物 与先导化合物 及先导化合物 优化 连接的R基团和连接子
- 在多个药物发现项目中，显著提高药效和选择性 的实例
- 将该技术应用于药物发现项目的要求与最佳实践
- 在……中使用仪表盘跟踪关键绩效指标的方法LiveDesign
我们的演讲嘉宾
皮特·博斯
二级首席科学家，Schrödinger
Pieter Bos 博士是 AutoDesigner 和从头设计 工作流的主管科学家兼产品经理。在Schrödinger 工作期间，他主要致力于自动化化合物设计算法的研究、开发和优化 。先导化合物 科学家，负责为内部及合作药物设计项目设计和构建枚举型药物分子库。他曾在格罗宁根大学 Ben Feringa 教授的实验室获得合成有机化学博士学位。 在加入Schrödinger 之前，他曾在波士顿大学（约翰·波尔科教授和科里·斯蒂芬森教授）从事合成方法学开发方面的博士后研究，并在哥伦比亚大学（布伦特·斯托克韦尔教授）从事小分子药物发现方面的博士后研究。
萨特什·巴特
治疗学组执行总监，Schrödinger
萨特什·巴特（Sathesh Bhat）博士是药物研发部门的执行总监，于2011年加入Schrödinger 。他负责监督Schrödinger 内部及合作药物发现项目中的计算化学工作。此前，萨特什曾先后在默克（Merck）和礼来（Eli Lilly）任职，领导了多个药物发现项目的计算工作。他获得麦吉尔大学（McGill University）博士学位，其研究涉及开发基于结构的方法来预测结合自由能。 萨泰什是多项专利和学术论文的合著者，并持续在计算化学的广泛领域发表研究成果。