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 el diseño basado en estructuras, 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 mejores plataformas de descubrimiento de fármacos según características, precios y modelos de implementación.

Comparación de implementación y precios de los 10 mejores software de descubrimiento de fármacos

Nota: Los productos se enumeran alfabéticamente. Ninguno de los productos tiene planes gratis ni pruebas.

Comparación de características del 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. Admite generación molecular, cribado virtual, predicción ADMET, búsquedas por farmacóforo y similitud, acoplamiento molecular y planificación retrosintética.

Sus principales capacidades incluyen:

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

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

BIOVIA Discovery Studio

BIOVIA Discovery Studio ofrece una canalización de extremo a extremo desde la identificación de dianas hasta la optimización de compuestos líderes. 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 partes principales del descubrimiento de fármacos computacional:

• Simulaciones: Dinámica molecular, cálculos de energía gratis y otras herramientas de simulación para estudiar el comportamiento y las interacciones moleculares.
• Diseño basado en estructuras: Herramientas para el acoplamiento proteína-ligando, el diseño basado en fragmentos y la optimización de compuestos utilizando información estructural 3D.
• Diseño basado en ligandos y farmacóforos: Métodos para el diseño de fármacos de novo, la elaboración de perfiles de actividad, el diseño multiobjetivo y la búsqueda de moléculas con patrones de interacción deseados.
• Bioterapéuticos y modelado de anticuerpos: Herramientas in silico para el modelado de anticuerpos, la ingeniería de proteínas y la optimización de productos 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 sobre farmacocinética, seguridad, toxicidad y propiedades farmacológicas.
• Visualización: Un visualizador de diseño molecular gratis 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 ofrece un conjunto de herramientas visuales de descubrimiento computacional de fármacos. Sus productos incluyen SeeSAR para el diseño molecular, infiniSee para la navegación por el espacio químico y HPSee para el cribado virtual de alto rendimiento.

Sus características clave incluyen:

• Diseño visual de fármacos: SeeSAR admite acoplamiento 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 similares estructural o farmacofóricamente.
• Acoplamiento a gran escala: Chemical Space Docking explora miles de millones de compuestos mediante cribado basado en estructuras.
• Flujos de trabajo de alto rendimiento: HPSee distribuye las cargas de trabajo de cribado y acoplamiento en infraestructura informática dedicada.
• Herramientas de modelado especializadas: El conjunto incluye herramientas para acoplamiento, puntuación, alineación molecular, exploración de bolsas, generación de confórmeros y salto de andamiaje.

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

ChemAxon

ChemAxon proporciona infraestructura de quimioinformática, incluido su editor de estructuras químicas Marvin y los motores JChem, para la estandarización de datos químicos. La plataforma admite implementación en la nube y on-premise con APIs de Java y REST para la 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 sólida para la integración.

Chemaxon implementó Marvin para más de 300 usuarios y actualizó a un grupo más pequeño de usuarios de Marvin JS al entorno Marvin más reciente. La empresa integró el complemento de API .NET en el sistema existente de la empresa, 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 el calendario de lanzamiento sin comprometer los requisitos funcionales, técnicos o comerciales. También simplificó la concesión de licencias al consolidar las licencias de Chemaxon en un único periodo de 19 meses, lo que redujo la complejidad de las adquisiciones.²

Chemaxon es ideal 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 mediante el campo de fuerzas XED permite el salto de andamiaje y el diseño de ligandos sin depender de estructuras cristalinas de proteínas. Flare admite cálculos RBFE y generación de confórmeros de macrociclos dentro de su framework FEP.

• Mapas de interacción 2D: Resume las interacciones ligando-proteína en una vista 2D clara para facilitar la interpretación.
• Activity Atlas: Proporciona información cualitativa de SAR para ayudar a comprender cómo los cambios moleculares afectan a la actividad.
• Activity Miner: Identifica acantilados de actividad y selectividad en datasets de SAR.
• FieldTemplater: Ayuda a predecir los modos de unión cuando no se dispone de datos de estructura cristalográfica de proteínas.
• Perturbación de energía libre (FEP): Apoya la optimización de compuestos líderes al predecir qué cambios de ligando tienen más probabilidades de mejorar la unión.
• Asistente de programación con IA: Admite la creación de scripts, la automatización de flujos de trabajo y la personalización de métodos al ayudar a los usuarios a escribir o refinar código para flujos de trabajo de análisis relacionados con Flare.

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

Figura 2: Ejemplo del asistente de programación 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, incluidos Geneious y Prism.

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

• Captura de datos: Luma se conecta a instrumentos de laboratorio, ELN, 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 los archivos sin procesar, 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, incluidos estructurados, semiestructurados, no estructurados, de secuencias, numéricos, de texto, de imágenes y metadatos.
• Análisis e información basada en IA: Los investigadores pueden buscar, visualizar, consultar, modelar y analizar datos armonizados dentro de la plataforma o mediante APIs. Luma también admite consultas en lenguaje natural y casos de uso de IA generativa, lo que ayuda a los científicos a explorar relaciones complejas entre datasets.

Dotmatics es ideal 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 mediante su plataforma Orion nativa de la nube y su conjunto de herramientas OEChem orientado a desarrolladores. La suite incluye ROCS para cribado basado en formas, EON para comparación electrostática, OMEGA para generación de confórmeros y FRED para acoplamiento.

Orion funciona en AWS y Cadence OnCloud sin opción de instalación local, dirigido a organizaciones que crean pipelines computacionales personalizados.

OpenEye Scientific Suite Orion es más adecuado para desarrolladores que crean pipelines personalizados.

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

Recursion OS

Recursion OS habilita un enorme dataset fenotípico generado por imágenes automatizadas de alto rendimiento de fenotipos celulares, procesado mediante visión artificial y la infraestructura de supercomputación BioHive. La plataforma incluye el Map of Biology, que visualiza relaciones biológicas, y ha generado aproximadamente 65 petabytes de datos propietarios.

Recursion LOWE:

LOWE es el motor de flujos de trabajo orquestado por LLM de Recursion, un sistema habilitado con IA dentro de la plataforma Recursion OS diseñado para respaldar flujos de trabajo complejos de descubrimiento de fármacos mediante interacción en lenguaje natural.

Permite a los investigadores consultar los datasets 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, incluida la planificación de síntesis y la ejecución experimental.

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

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

Suite de descubrimiento de fármacos de moléculas pequeñas de Schrödinger

Schrödinger se diferencia mediante cálculos de perturbación de energía libre (FEP+) basados en física que predicen la afinidad de unión. La suite integra Glide para acoplamiento, WaterMap para termodinámica de hidratación y Prime para predicción de estructuras 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 inhibidor novedoso de MALT1, como candidato de 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 recidivantes o refractarias, incluida la leucemia linfocítica crónica. Los enfoques anteriores de inhibidores de MALT1 presentaban problemas con las propiedades farmacológicas, 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-fabricar-probar-analizar respaldado por modelado basado en física, aprendizaje automático, modelos ADMET predictivos y análisis de datos. Evaluaron computacionalmente más de 8 mil millones de compuestos, utilizaron 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. LiveDesign se utilizó para centralizar los datos modelados y experimentales para la toma de decisiones colaborativa.

En los primeros tres meses, el equipo evaluó más de 1.700 moléculas mediante Active Learning FEP+ e identificó dos series novedosas de inhibidores potentes de MALT1 después de sintetizar menos de 50 compuestos. Después, utilizaron la 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 pruebas.

El resultado fue SGR-1505, seleccionado en 10 meses después de que se sintetizaran 78 compuestos en la serie principal 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 deben sintetizarse, al tiempo que acelera el camino desde el descubrimiento de compuestos activos hasta un candidato a desarrollo.⁶

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

Optibrium StarDrop

Optibrium StarDrop se especializa en optimización multiparamétrica (MPO) para la optimización de compuestos líderes. La plataforma ofrece implementación tanto de 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 líderes hasta la selección de candidatos clínicos, lo que exige 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 datasets de compuestos complejos de manera más eficiente.

Una aplicación destacada 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 Card View de StarDrop ayudan a identificar puntos de partida relevantes y a comprender cómo se han optimizado las series de compuestos.

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

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

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 directrices sobre «Consideraciones para el uso de la inteligencia artificial para respaldar la toma de decisiones regulatorias», en el que propone un marco de evaluación de credibilidad basado en riesgos para los modelos de IA utilizados en contextos no clínicos, clínicos y de fabricación.⁸ La guía excluye explícitamente las actividades de descubrimiento de fármacos y se centra 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», en el que se establecen diez principios de alto nivel que abarcan 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 sustituir, el juicio humano, con requisitos de validación escalados al 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.

https://www.fda.gov/media/189581/download

Sıla Ermut

Analista de la industria

Síguenos

Sıla Ermut es analista de la industria en AIMultiple que cubre modelos de IA, infraestructura de IA, gobernanza de IA y aplicaciones empresariales de IA. Su investigación se centra principalmente en el uso de la IA en marketing, salud, cadenas de suministro y sostenibilidad. 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