DEC 10, 2025
推动FEP+ 实现规模化成功：战略性部署FEP+ 及AI/ML技术，以加速化学空间 的探索
现代药物研发面临的终极挑战，在于如何将科学严谨性转化为组织层面的规模与速度。尽管FEP+ 在预测能力方面树立了黄金标准，但如果其部署仍处于孤岛状态，其全部潜力便无法充分发挥。要挖掘未开发的潜力并消除资源浪费，必须首先解决项目中阻碍向真正“预测优先”型企业转型的瓶颈和碎片化问题。
在本场会议中，我们将分享资深用户的实践经验，详细介绍FEP+ 实施的各个阶段，以及每个阶段为确保成功所需的架构支持。我们将展示如何通过正确的部署——尤其是与AI/ML工作流的集成——从根本上改变探索的节奏，从而实现完整的化学空间 映射以及基于计算的多元参数优化 （MPO）。这一策略赋能整个项目团队，使预测性洞察普惠化，并消除瓶颈，从而更快地设计出更好的药物。
欢迎加入我们，共同制定战略，以充分发挥FEP+ 对组织的影响力，并充分释放您的计算药物发现能力，实现业务目标。
网络研讨会亮点
- FEP+ 部署各级别简介，指导从初次使用到全面企业集成的实施过程
- 探讨将FEP+ 与AI/ML工作流集成如何推动化学空间 探索的指数级加速以及优化
- 通过Schrödinger治疗药物研发团队的成功案例，展示了如何通过扩展FEP+ 来消除瓶颈，并赋能整个项目团队以加速 DMTA 周期
我们的演讲嘉宾
阿迪蒂亚·考希克
生命科学软件部二级高级科学家，Schrödinger
阿迪蒂亚·考希克（Aditya Kaushik）是Schrödinger 公司的一名机器学习研究科学家，同时负责生成式设计与逆合成技术领域的先导化合物 开发工作。他主要致力于研究、开发和整合基于机器学习（ML） 的方法，以加速和优化活性药物发现项目中的“设计-制造-测试-分析”（DMTA）循环。他毕业于约翰斯·霍普金斯大学，获得理学学士学位，主修计算机科学和化学与生物分子工程双专业。
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。