Top 8 Software für die Wirkstoffentdeckung

Der Markt für Software zur Wirkstoffentdeckung gliedert sich in drei Kategorien: Rechenchemie-Suiten für das strukturbasierte Design, KI-native Plattformen für generative Chemie und Zielidentifizierung sowie R&D-Datenmanagementsysteme für ELN, LIMS, Syntheseverfolgung, Datenanalyse und Verbindungsregistrierung.

Wir haben die Top 8 Plattformen für die Wirkstoffentdeckung hinsichtlich Funktionen, Preisen und Bereitstellungsmodellen verglichen.

Vergleich der Bereitstellung und Preise der Top 8 Software für die Wirkstoffentdeckung

Hinweis: Die Produkte sind alphabetisch aufgelistet.

Vergleich der Funktionen der Software für die Wirkstoffentdeckung

BIOVIA Discovery Studio

BIOVIA Discovery Studio bietet eine End-to-End-Pipeline von der Zielidentifizierung bis zur Leitstrukturoptimierung. Das Tool ist in die 3DEXPERIENCE-Plattform von Dassault Systèmes für das Unternehmensdatenmanagement und die regulatorische Compliance integriert.

BIOVIA Discovery Studio deckt die Hauptbereiche der rechnergestützten Wirkstoffentdeckung ab:

• Simulationen: Molekulardynamik, freie Energieberechnungen und andere Simulationswerkzeuge zur Untersuchung des molekularen Verhaltens und der Wechselwirkungen.
• Strukturbasiertes Design: Werkzeuge für das Protein-Ligand-Docking, das fragmentbasierte Design und die Optimierung von Verbindungen unter Verwendung von 3D-Strukturinformationen.
• Liganden- und Pharmakophor-basiertes Design: Methoden für das de-novo-Drug-Design, das Aktivitätsprofilieren, das Multi-Ziel-Design und die Suche nach Molekülen mit gewünschten Wechselwirkungsmustern.
• Biotherapeutika und Antikörpermodellierung: In-silico-Werkzeuge für die Antikörpermodellierung, Proteinengineering und die Optimierung von Biologika.
• Design und Analyse von Makromolekülen: Werkzeuge zur Analyse und zum Design von Proteinen, Nukleinsäuren und anderen großen biologischen Molekülen.
• QSAR, ADMET und prädiktive Toxikologie: Prädiktive Erkenntnisse für Pharmakokinetik, Sicherheit, Toxizität und wirkstoffähnliche Eigenschaften.
• Visualisierung: Ein kostenloser molekularer Design-Visualisierer zum Anzeigen, Manipulieren und Analysieren biologischer und chemischer Strukturen.

BIOVIA Discovery Studio eignet sich am besten für große Unternehmen, die regulatorische Compliance benötigen.

Abbildung 1: Dashboard für Simulationen von BIOVIA Discovery Studio.¹

ChemAxon

ChemAxon bietet Cheminformatik-Infrastruktur, einschließlich des Marvin-Chemiestruktur-Editors und der JChem-Engines, zur Standardisierung chemischer Daten. Die Plattform unterstützt die Bereitstellung in der Cloud und On-Premise mit Java- und REST APIs zur Integration.

Praxisbeispiel für ChemAxons Marvin:

Ein großes globales Pharmaunternehmen nutzte den Marvin-Chemie-Editor von ChemAxon, um das chemische Datenmanagement innerhalb einer Desktop-Datenvisualisierungs- und Analyseanwendung zu verbessern.

Das Unternehmen benötigte ein Zeichenwerkzeug für chemische Strukturen, das sich nahtlos in die bestehende Infrastruktur integrieren ließ, bevor eine bevorstehende Go-Live-Frist erreicht wurde. Zu den Anforderungen gehörten die Unterstützung für SMILES/SMARTS-Notation, Reaktionszuordnung, Stereochemie-Handling, Markush-Strukturenenumerierung und eine starke .NET API zur Integration.

ChemAxon implementierte Marvin für mehr als 300 Benutzer und aktualisierte eine kleinere Gruppe von Marvin JS-Benutzern auf die neuere Marvin-Umgebung. Das Unternehmen integrierte das .NET API-Add-on in das bestehende System des Unternehmens, und die vollständige Integration mit der Desktop-Analyseanwendung wurde in etwa ein bis zwei Wochen abgeschlossen.

Das Projekt half dem Unternehmen, seinen Zeitplan für die Markteinführung einzuhalten, ohne funktionale, technische oder geschäftliche Anforderungen zu beeinträchtigen. Es vereinfachte auch die Lizenzierung, indem es die ChemAxon-Lizenzen in einem einzigen 19-monatigen Zeitraum konsolidierte, was die Beschaffungskomplexität reduzierte.²

ChemAxon ist am besten für Organisationen geeignet, die eine Standardisierung chemischer Daten und eine API-Integration benötigen.

Cresset Flare

Cresset Flares elektrostatisches feldbasiertes Liganden-Modellierung unter Verwendung des XED-Kraftfelds ermöglicht Scaffold-Hopping und Ligandendesign ohne Abhängigkeit von Proteinkristallstrukturen. Flare unterstützt RBFE-Berechnungen und die Konformgenerierung von Makrozyklen innerhalb seines FEP-Rahmens.

• 2D-Interaktionskarten: Fasst Liganden-Protein-Wechselwirkungen in einer klaren 2D-Ansicht für eine einfachere Interpretation zusammen.
• Activity Atlas: Bietet qualitative SAR-Erkenntnisse, um zu verstehen, wie molekulare Veränderungen die Aktivität beeinflussen.
• Activity Miner: Identifiziert Aktivitäts- und Selektivitätsklippen in SAR-Datensätzen.
• FieldTemplater: Hilft bei der Vorhersage von Bindungsmodi, wenn kristallographische Proteinstrukturdaten nicht verfügbar sind.
• Free Energy Perturbation (FEP): Unterstützt die Leitstrukturoptimierung durch Vorhersage, welche Ligandenänderungen die Bindung am wahrscheinlichsten verbessern.
• KI-Coding-Assistent: Unterstützt Skripting, Workflow-Automatisierung und Methodenanpassung, indem Benutzern geholfen wird, Code für Flare-bezogene Analyse-Workflows zu schreiben oder zu verfeinern.

Cresset Flare eignet sich am besten für medizinische Chemiker, die ohne Kristallstrukturen arbeiten.

Abbildung 2: Beispiel für den KI-Coding-Assistenten von Flare.³

Dotmatics

Dotmatics bietet eine integrierte Plattform für wissenschaftliche Informatik, die ELN, BioRegister, Verbindungsregistrierung und Assay-Datenmanagement mit Studies und Vortex-Visualisierung umfasst. Die Plattform bietet Integrationen im gesamten Dotmatics-Portfolio, einschließlich Geneious und Prism. Dotmatics dient großen Biopharma-Unternehmen, CROs und industriellen R&D-Organisationen, die ein gemanagtes System of Record benötigen.

Dotmatics Luma ist eine KI-native, multimodale R&D-Plattform, die wissenschaftliche Daten, Workflows, Analysen und KI-Tools in einer einzigen Umgebung integriert. Sie wurde entwickelt, um Forschungsteams dabei zu helfen, schneller von rohen Labordaten zu verwertbaren wissenschaftlichen Erkenntnissen zu gelangen. Luma funktioniert in vier Hauptschritten:

• Datenerfassung: Luma verbindet sich mit Laborinstrumenten, ELNs, Registern, CRO-Uploads, Dateien, wissenschaftlichen Anwendungen und externen Systemen. Luma Lab Connect kann Daten von dateibasierten Instrumenten, Windows- oder Linux-Ordner, S3-Buckets, APIs und SQL/JSON/CSV-Quellen sammeln.
• Datenverarbeitung: Sobald Daten erfasst sind, analysiert Luma Rohdateien, extrahiert Metadaten und konvertiert Instrumentenausgaben in strukturierte, analysierbare Formate.
• Datenharmonisierung und -verwaltung: Luma bringt verschiedene Datentypen zusammen, einschließlich strukturierter, halbstrukturierter, unstrukturierter, Sequenz-, numerischer, Text-, Bild- und Metadaten.
• Analyse und KI-gestützte Erkenntnisse: Forscher können harmonisierte Daten innerhalb der Plattform oder über APIs durchsuchen, visualisieren, abfragen, modellieren und analysieren. Luma unterstützt auch natürlichsprachliche Abfragen und KI-Anwendungsfälle der Generierung, was Wissenschaftlern hilft, komplexe Beziehungen in Datensätzen zu erkunden.

Dotmatics ist am besten für große Biopharma-Unternehmen und CROs geeignet, die ein gemanagtes System of Record benötigen.

OpenEye Scientific Suite Orion

OpenEye Scientific, jetzt Teil von Cadence Molecular Sciences, differenziert sich durch seine Cloud-native Orion-Plattform und das entwicklerorientierte OEChem-Toolkit. Die Suite umfasst ROCS für formbasierte Suche, EON für elektrostatischen Vergleich, OMEGA für Konformgenerierung und FRED für Docking.

Orion läuft auf AWS und Cadence OnCloud ohne Option für die On-Premise-Installation und richtet sich an Organisationen, die benutzerdefinierte Rechenpipelines aufbauen.

OpenEye Scientific Suite Orion eignet sich am besten für Entwickler, die benutzerdefinierte Pipelines erstellen.

Abbildung 3: Orions Dashboard für 3D-Simulation und Analyse.⁴

Recursion OS

Recursion OS ermöglicht einen massiven phänotypischen Datensatz, der durch Hochdurchsatz-Automatisierte Bildgebung zellulärer Phänotypen generiert wird, verarbeitet durch Computer Vision und die BioHive-Supercomputing-Infrastruktur. Die Plattform umfasst die Map of Biology, die biologische Beziehungen visualisiert, und hat etwa 65 Petabyte proprietärer Daten generiert.

Recursion LOWE:

LOWE ist Recursions LLM-orchestrierter Workflow-Engine, ein KI-fähiges System innerhalb der Recursion OS-Plattform, das komplexe Workflows zur Wirkstoffentdeckung durch natürliche Sprachinteraktion unterstützt.

Es ermöglicht Forschern, die biologischen und chemischen Datensätze von Recursion abzufragen, potenzielle Wirkstoff-Ziel-Beziehungen zu erkunden, neue Verbindungen zu generieren und zu priorisieren, Eigenschaften wie ADMET und Löslichkeit zu bewerten und nachgelagerte Aktivitäten zu koordinieren, einschließlich Syntheseplanung und experimenteller Ausführung.

LOWE fungiert als intelligente Workflow-Orchestrierungsschicht, die Recursions proprietäre Datensätze, prädiktive Modelle, Fähigkeiten zur generativen Chemie und Laboroperationen verbindet.⁵

Recursion ist am besten für seltene Krankheiten und Programme zur Wiederverwendung von Arzneimitteln geeignet.

Schrödinger-Suite für die Wirkstoffentdeckung kleiner Moleküle

Schrödinger differenziert sich durch physikbasierte Free Energy Perturbation (FEP+)-Berechnungen, die die Bindungsaffinität vorhersagen. Die Suite integriert Glide für Docking, WaterMap für Hydratationsthermodynamik und Prime für Proteinstrukturvorhersage innerhalb der grafischen Benutzeroberfläche Maestro.

Praxisbeispiel für Schrödingers proprietäres Programm:

Schrödingers digitale Chemieplattform half dabei, SGR-1505, einen neuartigen MALT1-Inhibitor, als Entwicklungskandidaten in 10 Monaten zu identifizieren. Das Programm konzentrierte sich auf MALT1, ein Ziel, das an der Lymphozytenregulation beteiligt ist und für rezidivierende oder refraktäre B-Zell-Malignitäten, einschließlich chronischer lymphatischer Leukämie, relevant ist. Frühere Ansätze für MALT1-Inhibitoren stießen auf Probleme mit wirkstoffähnlichen Eigenschaften, daher bestand das Ziel darin, ein potentes kleines Molekül mit einem besseren Gleichgewicht aus Potenz, Permeabilität, Löslichkeit und allgemeiner Entwickelbarkeit zu finden.

Das Team nutzte einen Design-Vorhersage-Herstellen-Test-Analyse-Workflow, der durch physikbasierte Modellierung, maschinelles Lernen, prädiktive ADMET-Modelle und Datenanalyse unterstützt wurde. Sie bewerteten rechnerisch mehr als 8 Milliarden Verbindungen, nutzten WaterMap zur Analyse der Bindungsstelle, wendeten de-novo-Design und synthetisch bewusste Enumeration an, um Ideen zu generieren, und nutzten FEP+ zur Vorhersage der relativen Bindungsaffinität. LiveDesign wurde verwendet, um modellierte und experimentelle Daten für kollaborative Entscheidungsfindung zu zentralisieren.

In den ersten drei Monaten bewertete das Team mehr als 1.700 Moleküle mit Active Learning FEP+ und identifizierte zwei neuartige potente MALT1-Inhibitor-Serien nach der Synthese von weniger als 50 Verbindungen. Danach nutzten sie Multiparameter-Optimierung, um Potenz, Löslichkeit und Permeabilität auszugleichen. Das Team bewertete mehr als 5.000 Ideen, und 43 Verbindungen erfüllten die Programmkriterien, und nur eine kleinere Teilmenge ging in Synthese und Test über.

Das Ergebnis war SGR-1505, ausgewählt innerhalb von 10 Monaten, nachdem 78 Verbindungen in der Leitserie und 129 Verbindungen im gesamten Programm synthetisiert wurden. Schrödinger präsentiert den Fall als Beweis dafür, dass die Kombination von groß angelegter computergestützter Suche, physikbasierter Vorhersage, maschinellem Lernen und kollaborativer Informatik die Anzahl der zu synthetisierenden Verbindungen reduzieren und den Weg von der Hit-Entdeckung zu einem Entwicklungskandidaten beschleunigen kann.⁶

Schrödinger eignet sich am besten für Pharma- und Biotech-Teams, die hochgenaue Potenzmodellierung benötigen.

Optibrium StarDrop

Optibrium StarDrop ist spezialisiert auf Multiparameter-Optimierung (MPO) für die Leitstrukturoptimierung. Die Plattform bietet sowohl Desktop- als auch Cloud-Bereitstellung mit modularen Preisen für ADMET-, generative Chemie- und 3D-Design-Module.

adMare mit StarDrop-Praxisbeispiel:

adMares, eines kanadischen Life-Science-Unternehmens, Arbeit erstreckt sich von der frühen Leitstruktursuche bis zur Auswahl klinischer Kandidaten und erfordert von Chemikern die Bewertung der Verbindungspotenz, ADME-Eigenschaften, physikochemischer Eigenschaften, Selektivität und breiterer Struktur-Wirkungs-Beziehungen. StarDrop unterstützt diesen Prozess, indem es Forschern hilft, komplexe Verbindungsdatensätze effizienter zu organisieren, zu visualisieren und zu interpretieren.

Ein bemerkenswerter Anwendungsfall ist die Patentanalyse. Wenn Chemiker große Mengen an Verbindungen aus der Patentliteratur extrahieren, helfen StarDrops Clustering-, Ähnlichkeitsanalyse-, chemische Raumvisualisierungs- und Card-View-Funktionen dabei, relevante Ausgangspunkte zu identifizieren und zu verstehen, wie Verbindungsserien optimiert wurden.

Das Team nutzt StarDrop auch, um SAR-Trends zu untersuchen, pIC50-Werte zu vergleichen, Eigenschaften wie logP und logD unter Verwendung von ADME QSAR vorherzusagen, Verbindungsbibliotheken für Docking-Studien vorzubereiten und virtuelle Bibliotheken mit eSim3D zu screenen.⁷

Optibrium StarDrop eignet sich am besten für medizinische Chemiker, die ADMET und Leitstrukturoptimierung priorisieren.

Verpassen Sie nicht unsere Benchmarks und datengestützten Erkenntnisse. Die Schaltfläche öffnet Google; die Auswahl von AIMultiple bestätigt, dass Sie AIMultiple häufiger in den Google-Suchergebnissen sehen möchten.

Als bevorzugte Quelle hinzufügen

Regulatorische und Compliance-Erwägungen für KI-gestützte Wirkstoffentdeckung

Regulierungsbehörden haben begonnen, Leitlinien für KI/ML in der Arzneimittelentwicklung zu formalisieren. Im Januar 2025 veröffentlichte die FDA einen Entwurf für Leitlinien zu „Überlegungen zur Verwendung künstlicher Intelligenz zur Unterstützung regulatorischer Entscheidungsfindung" und schlug einen risikobasierten Glaubwürdigkeitsbewertungsrahmen für KI-Modelle vor, die in präklinischen, klinischen und Fertigungs-Kontexten verwendet werden.⁸ Die Leitlinien schließen ausdrücklich Aktivitäten zur Wirkstoffentdeckung aus und konzentrieren sich nur auf Daten, die regulatorische Entscheidungen unterstützen.⁹

Im Januar 2026 veröffentlichten die FDA und die EMA gemeinsam „Leitprinzipien guter KI-Praxis in der Arzneimittelentwicklung" und legten zehn übergeordnete Prinzipien fest, die menschenzentriertes Design und proportionale Validierungsanforderungen über den gesamten Lebenszyklus von Arzneimitteln abdecken.¹⁰ Die Behörden betonten, dass KI-Systeme menschliche Urteilsfähigkeit unterstützen, nicht ersetzen sollten, wobei Validierungsanforderungen an die potenzielle Auswirkung des KI-Systems angepasst werden.¹¹

Diese Forschung zitieren

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{ermut2026,
  author = {Ermut, Sıla},
  title  = {{Top 8 Software für die Wirkstoffentdeckung}},
  year   = {2026},
  month  = may,
  howpublished    = {\url{https://aimultiple.com/drug-discovery-software}},
  note   = {AIMultiple. Abgerufen am 7. Mai 2026}
}

Referenzlinks

1.

Molecular Dynamics Simulations | BIOVIA - Dassault Systèmes

3ds

2.

How a Global Pharma Leader Transformed Chemical Data Management with Marvin, Chemaxon’s chemical editor

Certara

3.

cresset-group.com | 520: Web server is returning an unknown error

4.

Cloud Based Computational Chemistry Software

5.

LOWE | Recursion

6.

Hit to development candidate in 10 months: Rapid discovery of a novel, potent MALT1 inhibitor - Schrödinger

Schrödinger

7.

Supporting Canadian chemistry pioneers with fast SAR analysis - Optibrium

Optibrium

8.

Federal Register :: Considerations for the Use of Artificial Intelligence To Support Regulatory Decision-Making for Drug and Biological Products; Draft Guidance for Industry; Availability; Comment Request

9.

FDA Publishes Draft Guidance on Use of Artificial Intelligence in the Development of Drugs and Biological Products - January 2025

10.

EMA and FDA set common principles for AI in medicine development | European Medicines Agency (EMA)

11.

Guiding Principles of Good AI Practice in Drug Development | FDA

Center for Drug Evaluation and Research

Sıla Ermut

Branchenanalyst

Folgen auf

Sıla Ermut ist Branchenanalystin bei AIMultiple und spezialisiert auf E-Mail-Marketing und Vertriebsvideos. Zuvor war sie als Personalberaterin in Projektmanagement- und Beratungsunternehmen tätig. Sıla hat einen Master of Science in Sozialpsychologie und einen Bachelor of Arts in Internationalen Beziehungen.

Vollständiges Profil anzeigen

Seien Sie der Erste, der kommentiert

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten