Los 8 mejores programas para el descubrimiento de fármacos
El mercado del software para el descubrimiento de fármacos se divide en tres categorías: suites de química computacional para el diseño basado en la estructura, plataformas nativas de IA para la química generativa y la identificación de objetivos, y sistemas de gestión de datos de I+D para ELN, LIMS, seguimiento de la síntesis, análisis de datos y registro de compuestos.
Comparamos las 8 principales plataformas de descubrimiento de fármacos en cuanto a características, precios y modelos de implementación.
Comparación de precios e implementación de los 8 mejores programas de software para el descubrimiento de fármacos
Producto | Despliegue | Nivel gratuito/académico | Precio inicial | Casos de uso |
|---|---|---|---|---|
Estudio de descubrimiento BIOVIA | Nube/Local | Visualizador gratuito | N / A | Plataforma de simulación integral que abarca desde la identificación del objetivo hasta la optimización del líder con ELN integrado a través de 3DEXPERIENCE. |
ChemAxon | Nube/Local | No | N / A | Kit de herramientas de quimioinformática con editor Marvin y registro en JChem. |
Cresset Flare | De oficina | No | N / A | Plataforma de diseño de ligandos basada en campos electrostáticos con campo de fuerza XED |
Dotmatics | Nube | No | N / A | Plataforma de informática científica con ELN, biorregistro y gestión de datos de ensayos. |
OpenEye Orión | Solo en la nube | No | N / A | Plataforma Orion nativa de la nube con cribado basado en la forma y kit de herramientas OEChem. |
Sistema operativo recursivo | Nube/Interno | No | N / A | Plataforma fenómica con imágenes de alto contenido y supercomputación BioHive. |
Suite de Schrödinger | Escritorio/En las instalaciones | No | $7,500/año (30 tokens) | Conjunto de herramientas de química computacional basadas en la física que incluye FEP+ para la predicción de la afinidad de unión. |
Stardrop | Escritorio/Nube | No | $10.000/año/usuario | Plataforma de optimización multiparamétrica con visualización de moléculas luminosas. |
Nota: Los productos se muestran en orden alfabético.
Comparativa de características del software de descubrimiento de fármacos
Estudio de descubrimiento BIOVIA
BIOVIA Discovery Studio ofrece un flujo de trabajo integral, desde la identificación de objetivos hasta la optimización de clientes potenciales. La herramienta se integra con la plataforma 3DEXPERIENCE de Dassault Systèmes para la gestión de datos empresariales y el cumplimiento normativo.
BIOVIA Discovery Studio abarca las principales partes del descubrimiento computacional de fármacos :
- Simulaciones: Dinámica molecular, cálculos de energía libre y otras herramientas de simulación para el estudio del comportamiento y las interacciones moleculares.
- Diseño basado en la estructura: Herramientas para el acoplamiento proteína-ligando, el diseño basado en fragmentos y la optimización de compuestos mediante información estructural tridimensional.
- 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 los 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 el análisis y diseño de proteínas, ácidos nucleicos y otras moléculas biológicas de gran tamaño.
- QSAR, ADMET y toxicología predictiva: Perspectivas predictivas para la farmacocinética, la seguridad, la toxicidad y las propiedades farmacológicas.
- Visualización: Un visualizador gratuito de diseño molecular para ver, manipular y analizar estructuras biológicas y químicas.
BIOVIA Discovery Studio es la opción más adecuada para grandes empresas que requieren el cumplimiento de la normativa vigente.
Figura 1: Panel de control de simulaciones de BIOVIA Discovery Studio. 1
ChemAxon
ChemAxon proporciona infraestructura quimioinformática, incluyendo su editor de estructuras químicas Marvin y los motores JChem, para la estandarización de datos químicos. La plataforma admite implementaciones en la nube y en local, con API Java y REST para la integración.
Ejemplo real de Marvin de Chemaxon:
Una importante empresa farmacéutica global utilizó el editor químico Marvin de Chemaxon para mejorar la gestión de datos químicos dentro de una aplicación de visualización y análisis de datos para ordenadores de sobremesa.
La empresa necesitaba una herramienta de dibujo químico que se integrara sin problemas con su infraestructura existente antes de la fecha límite de lanzamiento. Los requisitos incluían compatibilidad con la notación SMILES/SMARTS, mapeo de reacciones, manejo de estereoquímica, enumeración de estructuras de Markush y una sólida API .NET para la integración.
Chemaxon implementó Marvin para más de 300 usuarios y actualizó a un grupo más pequeño de usuarios de Marvin JS al nuevo entorno de Marvin. La empresa integró el complemento de la API .NET en su sistema existente, 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 comerciales. Además, simplificó la concesión de licencias al consolidar las licencias de Chemaxon en un único período de 19 meses, lo que redujo la complejidad del proceso de adquisición. 2
Chemaxon es la mejor opción para organizaciones que necesitan estandarizar datos químicos e integrar API.
Cresset Flare
El modelado de ligandos basado en campos electrostáticos de Cresset Flare, que utiliza el campo de fuerza XED, permite explorar diferentes estructuras y diseñar ligandos sin depender de estructuras cristalinas de proteínas. Flare admite cálculos RBFE y la generación de conformaciones de macrociclos dentro de su marco FEP.
- Mapas de interacción 2D: Resume las interacciones ligando-proteína en una clara vista 2D para facilitar su interpretación.
- Atlas de actividad: Proporciona información cualitativa sobre la relación estructura-actividad (SAR) para ayudar a comprender cómo los cambios moleculares afectan la actividad.
- Activity Miner: Identifica picos de actividad y selectividad en conjuntos de datos 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): Permite optimizar los compuestos principales prediciendo qué cambios en el ligando tienen más probabilidades de mejorar la unión.
- Asistente de codificación con IA: Permite la creación de scripts, la automatización de flujos de trabajo y la personalización de métodos, ayudando a los usuarios a escribir o perfeccionar código para flujos de trabajo de análisis relacionados con Flare.
Cresset Flare es la opción más adecuada para químicos farmacéuticos que trabajan sin estructuras cristalinas.
Figura 2: Ejemplo del asistente de codificación Flare AI. 3
Dotmatics
Dotmatics ofrece una plataforma integrada de informática científica que abarca ELN, BioRegister, registro de compuestos y gestión de datos de ensayos, con visualización de estudios y Vortex. La plataforma ofrece integración con todo el portafolio de Dotmatics, incluyendo Geneious y Prism. Dotmatics presta servicios a grandes empresas biofarmacéuticas, CRO y organizaciones de I+D industrial que requieren un sistema de registro controlado.
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 más rápidamente de los datos brutos de laboratorio a la información científica útil. Luma funciona en cuatro pasos principales:
- Captura de datos: Luma se conecta a instrumentos de laboratorio, cuadernos de laboratorio electrónicos (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, depósitos S3, API y fuentes SQL/JSON/CSV.
- Procesamiento de datos: Una vez capturados los datos, Luma analiza los archivos sin procesar, extrae los 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 datos estructurados, semiestructurados, no estructurados, secuenciales, numéricos, de texto, de imagen y metadatos.
- Análisis y perspectivas basadas en IA: Los investigadores pueden buscar, visualizar, consultar, modelar y analizar datos armonizados dentro de la plataforma o mediante API. 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 conjuntos de datos.
Dotmatics es la mejor opción para grandes empresas biofarmacéuticas y CRO que requieren un sistema de registro regulado.
Suite científica OpenEye Orión
OpenEye Scientific, ahora parte de Cadence Molecular Sciences, se distingue por su plataforma nativa en la nube Orion y su conjunto de herramientas OEChem, enfocado en desarrolladores. El paquete incluye ROCS para el cribado basado en la forma, EON para la comparación electrostática, OMEGA para la generación de conformaciones y FRED para el acoplamiento molecular.
Orion funciona en AWS y Cadence OnCloud, sin opción de instalación local, y está dirigido a organizaciones que crean flujos de trabajo computacionales personalizados.
OpenEye Scientific Suite Orion es la opción más adecuada para desarrolladores que crean flujos de trabajo personalizados.
Figura 3: Panel de simulación y análisis 3D de Orion. 4
Sistema operativo recursivo
Recursion OS permite generar un conjunto masivo de datos fenotípicos mediante imágenes automatizadas de alto rendimiento de fenotipos celulares, procesadas mediante visión artificial y la infraestructura de supercomputación BioHive. La plataforma incluye el Mapa de Biología, que visualiza las relaciones biológicas, y ha generado aproximadamente 65 petabytes de datos propios.
Recursión LOWE:
LOWE es el motor de flujo de trabajo orquestado por LLM de Recursion, un sistema habilitado para IA dentro de la plataforma Recursion OS diseñado para respaldar flujos de trabajo complejos de descubrimiento de fármacos a través de la 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 nuevos compuestos, evaluar propiedades como ADMET y solubilidad, y coordinar actividades posteriores, incluyendo la planificación de la síntesis y la ejecución experimental.
LOWE funciona como una capa inteligente de orquestación de flujos de trabajo que conecta los conjuntos de datos propios de Recursion, los modelos predictivos, las capacidades de química generativa y las operaciones de laboratorio. 5
La recursión es la mejor opción para enfermedades raras y programas de reutilización de fármacos.
Suite de descubrimiento de fármacos de molécula pequeña de Schrödinger
Schrödinger se distingue por sus cálculos de perturbación de energía libre (FEP+) basados en la física, que predicen la afinidad de unión. El paquete integra Glide para el acoplamiento molecular, WaterMap para la termodinámica de la hidratación y Prime para la predicción de la estructura de proteínas dentro de la interfaz gráfica de 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 para 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 para la inhibición de MALT1 presentaban problemas con sus propiedades farmacológicas, por lo que el objetivo era encontrar una molécula pequeña potente con un mejor equilibrio entre potencia, permeabilidad, solubilidad y facilidad de desarrollo general.
El equipo empleó un flujo de trabajo de diseño, predicción, fabricación, prueba y análisis, respaldado por modelos basados en la física, aprendizaje automático , modelos predictivos ADMET 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 con conciencia sintética para generar ideas, y emplearon 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 1700 moléculas mediante Active Learning FEP+ e identificó dos nuevas series de potentes inhibidores de MALT1 tras sintetizar menos de 50 compuestos. Posteriormente, emplearon la optimización multiparamétrica para equilibrar la potencia, la solubilidad y la permeabilidad. El equipo evaluó más de 5000 ideas, de las cuales 43 cumplieron los criterios del programa, y solo un subconjunto menor pasó a la fase de síntesis y pruebas.
El resultado fue SGR-1505, seleccionado en un plazo de 10 meses tras la síntesis de 78 compuestos en la serie principal y 129 compuestos en todo el programa. Schrödinger presenta este caso como prueba de que la combinación de cribado computacional a gran escala, predicción basada en la física, aprendizaje automático e informática colaborativa puede reducir el número de compuestos que deben sintetizarse, a la vez que acelera el proceso desde el descubrimiento de compuestos prometedores hasta su desarrollo. 6
El algoritmo de Schrödinger es el más adecuado para equipos farmacéuticos y biotecnológicos que requieren modelos de potencia de alta precisión.
Optibrium StarDrop
Optibrium StarDrop se especializa en la optimización multiparamétrica (MPO) para la optimización de compuestos líderes. La plataforma ofrece implementación tanto en escritorio como en la nube, con precios modulares para los módulos de ADMET, química generativa y diseño 3D.
adMare con StarDrop: ejemplo de la vida real
El trabajo de adMare, una empresa canadiense de ciencias biológicas, abarca desde la identificación inicial de compuestos prometedores hasta la selección de candidatos clínicos, lo que requiere que los químicos evalúen la potencia de los compuestos, sus características ADME, sus propiedades fisicoquímicas, su selectividad y las relaciones estructura-actividad más amplias. StarDrop facilita este proceso al ayudar a los investigadores a organizar, visualizar e interpretar conjuntos de datos complejos de compuestos de manera más eficiente.
Una aplicación destacada es el análisis de patentes. Cuando los químicos extraen un gran número de compuestos de la literatura de patentes, las funciones de agrupamiento, análisis de similitud, visualización del espacio químico y vista de tarjetas 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 las tendencias SAR, comparar los valores de pIC50, predecir propiedades como logP y logD mediante ADME QSAR, preparar bibliotecas de compuestos para estudios de acoplamiento y analizar bibliotecas virtuales con eSim3D. 7
Optibrium StarDrop es la opción más adecuada para químicos farmacéuticos que priorizan la ADMET y la optimización de compuestos líderes.
Consideraciones regulatorias y de cumplimiento para el descubrimiento de fármacos asistido por IA.
Los organismos reguladores han comenzado a formalizar las directrices para la IA/ML en el desarrollo de fármacos. En enero de 2025, la FDA publicó un borrador de directrices sobre "Consideraciones para el uso de Intel artificial para respaldar la toma de decisiones regulatorias", en el que propone un marco de evaluación de la credibilidad basado en el riesgo 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, centrándose únicamente en los datos que respaldan las decisiones regulatorias. 9
En enero de 2026, la FDA y la EMA publicaron conjuntamente los "Principios rectores de las buenas prácticas de IA en el desarrollo de fármacos", que establecen diez principios de alto nivel que abarcan el diseño centrado en el ser humano y los requisitos de validación proporcionales a lo largo del ciclo de vida de los medicamentos. 10 Los organismos destacaron que los sistemas de IA deben apoyar, no reemplazar, el juicio humano, con requisitos de validación adaptados al impacto potencial del sistema de IA. 11
Enlaces de referencia
Sé el primero en comentar
Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios.