Los 10 mejores software de descubrimiento de fármacos

El mercado de software de descubrimiento de fármacos se divide en tres categorías: suites de química computacional para diseño basado en estructura, plataformas nativas de IA para química generativa e identificación de dianas, y sistemas de gestión de datos de I+D para ELN, LIMS, seguimiento de síntesis, análisis de datos y registro de compuestos.

Comparamos las 10 principales plataformas de descubrimiento de fármacos en cuanto a funcionalidades, precios y modelos de implementación.

Comparativa de implementación y precios de los 10 principales software de descubrimiento de fármacos

Nota: Los productos se enumeran alfabéticamente. Ninguno de los productos tiene planes o pruebas gratuitos.

Comparativa de funcionalidades de software de descubrimiento de fármacos

AIDDISON

AIDDISON es una plataforma de descubrimiento de fármacos nativa de la nube que combina IA generativa con herramientas de diseño de fármacos asistido por ordenador. Ofrece generación molecular, cribado virtual, predicción ADMET, búsquedas por farmacóforo y similitud, docking molecular y planificación de retrosíntesis.

Sus principales capacidades incluyen:

• Diseño molecular generativo: Crea nuevas moléculas pequeñas y las optimiza para semejanza a fármaco, propiedades ADMET, afinidad de unión y sintetizabilidad.
• Búsqueda en el espacio químico: Busca en más de 60 mil millones de moléculas conocidas y virtuales utilizando métodos de similitud, subestructura y farmacóforo.
• Docking molecular: Visualiza interacciones proteína-ligando, identifica bolsillos de unión y evalúa la unión de candidatos.
• Planificación de síntesis: Conecta el diseño de moléculas virtuales con la retrosíntesis y materiales de partida disponibles comercialmente.
• Predicciones personalizadas: Permite a los equipos usar modelos de IA/ML existentes o entrenar modelos con sus propios datos.

AIDDISON es más adecuado para equipos de química medicinal que buscan un flujo de trabajo integrado asistido por IA, desde el diseño de moléculas hasta la planificación de síntesis.

BIOVIA Discovery Studio

BIOVIA Discovery Studio ofrece una canalización integral desde la identificación de dianas hasta la optimización de compuestos líder. La herramienta se integra con la plataforma 3DEXPERIENCE de Dassault Systèmes para la gestión de datos empresariales y el cumplimiento normativo.

BIOVIA Discovery Studio cubre las principales áreas del descubrimiento computacional de fármacos:

• Simulaciones: Dinámica molecular, cálculos de energía libre y otras herramientas de simulación para estudiar el comportamiento y las interacciones moleculares.
• Diseño basado en estructura: Herramientas para docking proteína-ligando, diseño basado en fragmentos y optimización de compuestos usando información estructural 3D.
• Diseño basado en ligando y farmacóforo: Métodos para diseño de novo de fármacos, perfilado de actividad, diseño multi-diana y búsqueda de moléculas con patrones de interacción deseados.
• Modelado de bioterapéuticos y anticuerpos: Herramientas in silico para modelado de anticuerpos, ingeniería de proteínas y optimización de biológicos.
• Diseño y análisis de macromoléculas: Herramientas para analizar y diseñar proteínas, ácidos nucleicos y otras moléculas biológicas grandes.
• QSAR, ADMET y toxicología predictiva: Información predictiva para farmacocinética, seguridad, toxicidad y propiedades similares a fármaco.
• Visualización: Un visualizador gratuito de diseño molecular para ver, manipular y analizar estructuras biológicas y químicas.

BIOVIA Discovery Studio es más adecuado para grandes empresas que requieren cumplimiento normativo.

Figura 1: Panel de simulaciones de BIOVIA Discovery Studio.¹

BioSolveIT

BioSolveIT proporciona un conjunto de herramientas visuales de descubrimiento computacional de fármacos. Sus productos incluyen SeeSAR para diseño molecular, infiniSee para navegación por el espacio químico y HPSee para cribado virtual de alto rendimiento.

Sus funcionalidades clave incluyen:

• Diseño visual de fármacos: SeeSAR soporta docking molecular, optimización de compuestos, diseño basado en fragmentos y análisis de interacciones proteína-ligando.
• Exploración del espacio químico: infiniSee busca en colecciones de compuestos ultragrandes moléculas estructural o farmacofóricamente similares.
• Docking a gran escala: Chemical Space Docking explora miles de millones de compuestos mediante cribado basado en estructura.
• Flujos de trabajo de alto rendimiento: HPSee distribuye cargas de trabajo de cribado y docking en infraestructura de computación dedicada.
• Herramientas de modelado especializadas: El conjunto incluye herramientas para docking, puntuación, alineamiento molecular, exploración de bolsillos, generación de confórmeros y salto de andamiaje.

BioSolveIT es más adecuado para químicos medicinales y computacionales que priorizan flujos de trabajo visuales, docking molecular y exploración de grandes espacios químicos.

ChemAxon

ChemAxon proporciona infraestructura de quimioinformática, incluyendo su editor de estructuras químicas Marvin y los motores JChem, para la estandarización de datos químicos. La plataforma soporta implementación en la nube y en sitio con APIs Java y REST para integración.

Ejemplo real de Marvin de Chemaxon:

Una gran empresa farmacéutica global utilizó el editor químico Marvin de Chemaxon para mejorar la gestión de datos químicos dentro de una aplicación de escritorio de visualización y análisis de datos.

La empresa necesitaba una herramienta de dibujo químico que pudiera integrarse sin problemas con su infraestructura existente antes de una fecha límite de puesta en marcha. Los requisitos incluían soporte para notación SMILES/SMARTS, mapeo de reacciones, manejo de estereoquímica, enumeración de estructuras Markush y una API .NET robusta para integración.

Chemaxon implementó Marvin para más de 300 usuarios y actualizó a un grupo más pequeño de usuarios de Marvin JS al nuevo entorno Marvin. La empresa integró el complemento de API .NET en el sistema existente de la compañía, y la integración completa con la aplicación de análisis de escritorio se completó en aproximadamente una o dos semanas.

El proyecto ayudó a la empresa a cumplir con su cronograma de lanzamiento sin comprometer los requisitos funcionales, técnicos o de negocio. También simplificó las licencias al consolidar las licencias de Chemaxon en un único período de 19 meses, reduciendo la complejidad de adquisición.²

Chemaxon es mejor para organizaciones que necesitan estandarización de datos químicos e integración de API.

Cresset Flare

El modelado de ligandos basado en campos electrostáticos de Cresset Flare utilizando el campo de fuerza XED permite el salto de andamiaje y el diseño de ligandos sin depender de estructuras cristalinas de proteínas. Flare soporta cálculos RBFE y generación de confórmeros de macrociclos dentro de su marco FEP.

• Mapas de interacción 2D: Resume las interacciones ligando-proteína en una vista 2D clara para una interpretación más fácil.
• Activity Atlas: Proporciona información cualitativa de SAR para ayudar a entender cómo los cambios moleculares afectan la actividad.
• Activity Miner: Identifica acantilados de actividad y selectividad en conjuntos de datos SAR.
• FieldTemplater: Ayuda a predecir modos de unión cuando no se dispone de datos estructurales cristalográficos de proteínas.
• Perturbación de energía libre (FEP): Apoya la optimización de compuestos líder prediciendo qué cambios en el ligando tienen más probabilidades de mejorar la unión.
• Asistente de codificación con IA: Soporta scripting, automatización de flujos de trabajo y personalización de métodos ayudando a los usuarios a escribir o refinar código para flujos de análisis relacionados con Flare.

Cresset Flare es más adecuado para químicos medicinales que trabajan sin estructuras cristalinas.

Figura 2: Ejemplo del asistente de codificación con IA de Flare.³

Dotmatics

Dotmatics proporciona una plataforma integrada de informática científica que abarca ELN, BioRegister, registro de compuestos y gestión de datos de ensayos, con visualización Studies y Vortex. La plataforma ofrece integración en toda la cartera de Dotmatics, incluyendo Geneious y Prism.

Luma de Dotmatics es una plataforma de I+D multimodal nativa de IA que integra datos científicos, flujos de trabajo, análisis y herramientas de IA en un solo entorno. Está diseñada para ayudar a los equipos de investigación a pasar de los datos brutos de laboratorio a información científica útil más rápido. Luma funciona en cuatro pasos principales:

• Captura de datos: Luma se conecta a instrumentos de laboratorio, ELNs, registros, cargas de CRO, archivos, aplicaciones científicas y sistemas externos. Luma Lab Connect puede recopilar datos de instrumentos basados en archivos, carpetas de Windows o Linux, buckets S3, APIs y fuentes SQL/JSON/CSV.
• Procesamiento de datos: Una vez capturados los datos, Luma analiza archivos brutos, extrae metadatos y convierte las salidas de los instrumentos en formatos estructurados y analizables.
• Armonización y gestión de datos: Luma reúne diferentes tipos de datos, incluyendo estructurados, semiestructurados, no estructurados, secuencias, numéricos, texto, imagen y metadatos.
• Análisis e información habilitada por IA: Los investigadores pueden buscar, visualizar, consultar, modelar y analizar datos armonizados dentro de la plataforma o a través de APIs. Luma también soporta consultas en lenguaje natural y casos de uso de IA generativa, ayudando a los científicos a explorar relaciones complejas entre conjuntos de datos.

Dotmatics es mejor para grandes empresas biofarmacéuticas y CRO que requieren un sistema de registro gobernado.

OpenEye Scientific Suite Orion

OpenEye Scientific, ahora parte de Cadence Molecular Sciences, se diferencia por su plataforma Orion nativa de la nube y su kit de herramientas OEChem orientado a desarrolladores. El conjunto incluye ROCS para cribado basado en formas, EON para comparación electrostática, OMEGA para generación de confórmeros y FRED para docking.

Orion opera en AWS y Cadence OnCloud sin opción de instalación local, dirigido a organizaciones que construyen pipelines computacionales personalizadas.

OpenEye Scientific Suite Orion es más adecuado para desarrolladores que construyen pipelines personalizadas.

Figura 3: Panel de simulación y análisis 3D de Orion.⁴

Recursion OS

Recursion OS permite un conjunto masivo de datos fenotípicos generados por imágenes automatizadas de alto rendimiento de fenotipos celulares, procesados mediante visión artificial y la infraestructura de supercomputación BioHive. La plataforma incluye el Mapa de la Biología, que visualiza relaciones biológicas, y ha generado aproximadamente 65 petabytes de datos propietarios.

Recursion LOWE:

LOWE es el Motor de Flujo de Trabajo Orquestado por LLM de Recursion, un sistema habilitado por IA dentro de la plataforma Recursion OS diseñado para soportar flujos de trabajo complejos de descubrimiento de fármacos mediante interacción en lenguaje natural.

Permite a los investigadores consultar los conjuntos de datos biológicos y químicos de Recursion, explorar posibles relaciones fármaco-diana, generar y priorizar compuestos novedosos, evaluar propiedades como ADMET y solubilidad, y coordinar actividades posteriores, incluyendo la planificación de síntesis y la ejecución experimental.

LOWE funciona como una capa de orquestación inteligente de flujos de trabajo que conecta los conjuntos de datos propietarios, modelos predictivos, capacidades de química generativa y operaciones de laboratorio de Recursion.⁵

Recursion es mejor para programas de enfermedades raras y reposicionamiento de fármacos.

Suite de descubrimiento de fármacos de moléculas pequeñas de Schrödinger

Schrödinger se diferencia por sus cálculos de Perturbación de Energía Libre (FEP+) basados en física que predicen la afinidad de unión. La suite integra Glide para docking, WaterMap para termodinámica de hidratación y Prime para predicción de estructura de proteínas dentro de la interfaz gráfica Maestro.

Ejemplo real del programa propietario de Schrödinger:

La plataforma de química digital de Schrödinger ayudó a identificar SGR-1505, un nuevo inhibidor de MALT1, como candidato a desarrollo en 10 meses. El programa se centró en MALT1, una diana implicada en la regulación de linfocitos y relevante para neoplasias malignas de células B en recaída o refractarias, incluyendo la leucemia linfocítica crónica. Los enfoques anteriores de inhibidores de MALT1 enfrentaban problemas con propiedades similares a fármaco, por lo que el objetivo era encontrar una molécula pequeña potente con un mejor equilibrio de potencia, permeabilidad, solubilidad y desarrollabilidad general.

El equipo utilizó un flujo de trabajo diseñar-predecir-hacer-probar-analizar apoyado por modelado basado en física, aprendizaje automático, modelos predictivos ADMET y análisis de datos. Evaluaron computacionalmente más de 8 mil millones de compuestos, usaron WaterMap para analizar el sitio de unión, aplicaron diseño de novo y enumeración consciente de la síntesis para generar ideas, y usaron FEP+ para predecir la afinidad de unión relativa. Se utilizó LiveDesign para centralizar datos modelados y experimentales para la toma de decisiones colaborativa.

En los primeros tres meses, el equipo evaluó más de 1,700 moléculas usando Active Learning FEP+ e identificó dos nuevas series potentes de inhibidores de MALT1 después de sintetizar menos de 50 compuestos. Después, utilizaron optimización multiparamétrica para equilibrar potencia, solubilidad y permeabilidad. El equipo evaluó más de 5,000 ideas, y 43 compuestos cumplieron los criterios del programa, y un subconjunto más pequeño pasó a síntesis y prueba.

El resultado fue SGR-1505, seleccionado en 10 meses después de que se sintetizaran 78 compuestos en la serie líder y 129 compuestos en todo el programa. Schrödinger presenta el caso como evidencia de que la combinación de cribado computacional a gran escala, predicción basada en física, aprendizaje automático e informática colaborativa puede reducir el número de compuestos que necesitan sintetizarse mientras se acelera el camino desde el descubrimiento de hits hasta un candidato a desarrollo.⁶

Schrödinger es más adecuado para equipos farmacéuticos y biotecnológicos que requieren modelado de alta precisión de la potencia.

Optibrium StarDrop

Optibrium StarDrop se especializa en optimización multiparamétrica (MPO) para la optimización de compuestos líder. La plataforma ofrece implementación tanto en escritorio como en la nube con precios modulares para módulos de ADMET, química generativa y diseño 3D.

Ejemplo real de adMare con StarDrop:

El trabajo de adMare, una empresa canadiense de ciencias de la vida, abarca desde la identificación temprana de compuestos líder hasta la selección de candidatos clínicos, requiriendo que los químicos evalúen la potencia de los compuestos, las características ADME, las propiedades fisicoquímicas, la selectividad y las relaciones estructura-actividad más amplias. StarDrop apoya este proceso ayudando a los investigadores a organizar, visualizar e interpretar conjuntos de datos de compuestos complejos de manera más eficiente.

Una aplicación notable es el análisis de patentes. Cuando los químicos extraen grandes cantidades de compuestos de la literatura de patentes, las funciones de agrupamiento, análisis de similitud, visualización del espacio químico y Vista de Tarjeta de StarDrop ayudan a identificar puntos de partida relevantes y a entender cómo se han optimizado las series de compuestos.

El equipo también utiliza StarDrop para examinar tendencias SAR, comparar valores pIC50, predecir propiedades como logP y logD usando QSAR ADME, preparar bibliotecas de compuestos para estudios de docking y cribar bibliotecas virtuales con eSim3D.⁷

Optibrium StarDrop es más adecuado para químicos medicinales que priorizan ADMET y la optimización de compuestos líder.

No te pierdas nuestros análisis comparativos e insights basados en datos. El botón abre Google; seleccionar AIMultiple confirma que deseas ver AIMultiple con más frecuencia en los resultados de búsqueda de Google.

Añadir como fuente preferida

Consideraciones regulatorias y de cumplimiento para el descubrimiento de fármacos asistido por IA

Las agencias regulatorias han comenzado a formalizar directrices para IA/ML en el desarrollo de fármacos. En enero de 2025, la FDA publicó un borrador de guía sobre “Consideraciones para el uso de inteligencia artificial para apoyar la toma de decisiones regulatorias”, proponiendo un marco de evaluación de credibilidad basado en el riesgo para modelos de IA utilizados en contextos no clínicos, clínicos y de fabricación.⁸ La guía excluye explícitamente las actividades de descubrimiento de fármacos, centrándose en los datos que respaldan las decisiones regulatorias.⁹

En enero de 2026, la FDA y la EMA publicaron conjuntamente “Principios rectores de buenas prácticas de IA en el desarrollo de fármacos”, estableciendo diez principios de alto nivel que cubren el diseño centrado en el ser humano y requisitos de validación proporcionales a lo largo del ciclo de vida de los medicamentos.¹⁰ Las agencias enfatizaron que los sistemas de IA deben apoyar, no reemplazar, el juicio humano, con requisitos de validación escalados según el impacto potencial del sistema de IA.¹¹

Cita esta investigación

Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.

@misc{ermut2026,
  author = {Ermut, Sıla},
  title  = {{Los 10 mejores software de descubrimiento de fármacos}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/drug-discovery-software}},
  note   = {AIMultiple. Recuperado el 22 de Julio de 2026}
}

Enlaces de referencia

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

Analista de la industria

Síguenos

Sıla Ermut es una analista de la industria en AIMultiple centrada en el marketing por correo electrónico y los vídeos de ventas. Anteriormente trabajó como reclutadora en empresas de gestión de proyectos y consultoría. Sıla tiene un máster en Psicología Social y una licenciatura en Relaciones Internacionales.

Ver perfil completo

Sé el primero en comentar

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario