Les 8 meilleurs logiciels de découverte de médicaments
Le marché des logiciels de découverte de médicaments se divise en trois catégories : les suites de chimie computationnelle pour la conception basée sur la structure, les plateformes natives d’IA pour la chimie générative et l’identification des cibles, et les systèmes de gestion des données de R&D pour les ELN, les LIMS, le suivi de la synthèse, l’analyse des données et l’enregistrement des composés.
Nous avons comparé les 8 principales plateformes de découverte de médicaments en fonction de leurs fonctionnalités, de leurs prix et de leurs modèles de déploiement.
Comparatif des 8 principaux logiciels de découverte de médicaments : déploiement et prix
Produit | Déploiement | Niveau gratuit/académique | Prix initial | Cas d'utilisation |
|---|---|---|---|---|
Studio de découverte BIOVIA | Cloud/Sur site | Visualiseur gratuit | N / A | Plateforme de simulation de bout en bout couvrant l'identification des cibles et l'optimisation des prospects avec ELN intégré via 3DEXPERIENCE |
ChemAxon | Cloud/Sur site | Non | N / A | Kit d'outils de chimioinformatique avec éditeur Marvin et inscription à JChem |
Évasement Cresset | Ordinateur de bureau | Non | N / A | Plateforme de conception de ligands basée sur le champ électrostatique avec champ de force XED |
Dotmatics | Nuage | Non | N / A | Plateforme d'informatique scientifique avec gestion des données ELN, bioregistre et d'essais |
OpenEye Orion | Uniquement dans le cloud | Non | N / A | Plateforme Orion native du cloud avec criblage basé sur la forme et boîte à outils OEChem |
Système d'exploitation récursif | Cloud/Interne | Non | N / A | Plateforme phénotypique avec imagerie à haut contenu et supercalculateur BioHive |
Suite de Schrödinger | Poste de travail/Sur site | Non | 7 500 $/an (30 jetons) | Suite de chimie computationnelle basée sur la physique, intégrant FEP+ pour la prédiction de l'affinité de liaison |
StarDrop | Bureau/Cloud | Non | 10 000 $/an/utilisateur | Plateforme d'optimisation multiparamètre avec visualisation de molécules fluorescentes |
Remarque : Les produits sont classés par ordre alphabétique.
Comparaison des fonctionnalités des logiciels de découverte de médicaments
Studio de découverte BIOVIA
BIOVIA Discovery Studio offre une solution complète, de l'identification des cibles à l'optimisation des composés candidats. Cet outil s'intègre à la plateforme Dassault Systèmes 3DEXPERIENCE pour la gestion des données d'entreprise et la conformité réglementaire.
BIOVIA Discovery Studio couvre les principaux aspects de la découverte de médicaments par ordinateur :
- Simulations : Dynamique moléculaire, calculs d'énergie libre et autres outils de simulation pour l'étude du comportement et des interactions moléculaires.
- Conception basée sur la structure : outils pour l’amarrage protéine-ligand, la conception basée sur des fragments et l’optimisation des composés à l’aide d’informations structurelles 3D.
- Conception basée sur les ligands et les pharmacophores : méthodes de conception de novo de médicaments, de profilage d’activité, de conception multi-cibles et de recherche de molécules présentant les modèles d’interaction souhaités.
- Biothérapies et modélisation des anticorps : outils in silico pour la modélisation des anticorps, l’ingénierie des protéines et l’optimisation des produits biologiques.
- Conception et analyse des macromolécules : outils pour l’analyse et la conception des protéines, des acides nucléiques et autres grandes molécules biologiques.
- QSAR, ADMET et toxicologie prédictive : perspectives prédictives sur la pharmacocinétique, la sécurité, la toxicité et les propriétés pharmacologiques.
- Visualisation : Un visualiseur de conception moléculaire gratuit permettant de visualiser, manipuler et analyser les structures biologiques et chimiques.
BIOVIA Discovery Studio est particulièrement adapté aux grandes entreprises soumises à des obligations réglementaires.
Figure 1 : Tableau de bord des simulations BIOVIA Discovery Studio. 1
ChemAxon
ChemAxon fournit une infrastructure de chimioinformatique, incluant son éditeur de structures chimiques Marvin et ses moteurs JChem, pour la standardisation des données chimiques. La plateforme prend en charge le déploiement dans le cloud et sur site, avec des API Java et REST pour l'intégration.
L'exemple concret de Marvin de Chemaxon :
Une grande entreprise pharmaceutique mondiale a utilisé l'éditeur chimique Marvin de Chemaxon pour améliorer la gestion des données chimiques au sein d'une application de visualisation et d'analyse de données de bureau.
L'entreprise avait besoin d'un outil de dessin chimique capable de s'intégrer facilement à son infrastructure existante avant une date de mise en service imminente. Ce logiciel devait prendre en charge la notation SMILES/SMARTS, la cartographie des réactions, la gestion de la stéréochimie, l'énumération des structures Markush et disposer d'une API .NET robuste pour l'intégration.
Chemaxon a déployé Marvin pour plus de 300 utilisateurs et a migré un groupe plus restreint d'utilisateurs de Marvin JS vers la nouvelle version. L'entreprise a intégré l'extension API .NET à son système existant et l'intégration complète avec l'application d'analyse de bureau a été réalisée en une à deux semaines environ.
Ce projet a permis à l'entreprise de respecter son calendrier de lancement sans compromettre les exigences fonctionnelles, techniques ou commerciales. Il a également simplifié le processus d'octroi de licences en regroupant les licences Chemaxon en un seul contrat de 19 mois, réduisant ainsi la complexité des procédures d'achat. 2
Chemaxon est idéal pour les organisations ayant besoin de standardisation des données chimiques et d'intégration d'API.
Évasement Cresset
La modélisation de ligands basée sur le champ électrostatique et utilisant le champ de force XED, proposée par Cresset Flare, permet la conception de ligands et le passage d'un échafaudage moléculaire à un autre sans recourir aux structures cristallines des protéines. Flare prend en charge les calculs RBFE et la génération de conformères de macrocycles au sein de son cadre FEP.
- Cartes d'interaction 2D : Résume les interactions ligand-protéine dans une vue 2D claire pour une interprétation plus facile.
- Atlas d'activité : Fournit des informations qualitatives sur les relations structure-activité pour aider à comprendre comment les changements moléculaires affectent l'activité.
- Activity Miner : Identifie les discontinuités d'activité et de sélectivité dans les ensembles de données SAR.
- FieldTemplater : Permet de prédire les modes de liaison lorsque les données de structure cristallographique des protéines ne sont pas disponibles.
- Perturbation de l'énergie libre (FEP) : Soutient l'optimisation des composés en prédisant quelles modifications de ligand sont les plus susceptibles d'améliorer la liaison.
- Assistant de codage IA : Prend en charge la création de scripts, l’automatisation des flux de travail et la personnalisation des méthodes en aidant les utilisateurs à écrire ou à affiner le code pour les flux de travail d’analyse liés à Flare.
Cresset Flare est particulièrement adapté aux chimistes médicinaux travaillant sans structures cristallines.
Figure 2 : Exemple d'assistant de codage Flare AI. 3
Dotmatics
Dotmatics propose une plateforme d'informatique scientifique intégrée couvrant la gestion des cahiers de laboratoire électroniques (ELN), des bio-registres, l'enregistrement des composés et des données d'essais, avec visualisation via Studies et Vortex. La plateforme s'intègre à l'ensemble des solutions Dotmatics, notamment Geneious et Prism. Dotmatics s'adresse aux grandes entreprises biopharmaceutiques, aux CRO et aux organismes de R&D industriels qui exigent un système d'information centralisé et sécurisé.
Dotmatics Luma est une plateforme de R&D multimodale native de l'IA qui intègre données scientifiques, flux de travail, analyses et outils d'IA dans un environnement unique. Elle est conçue pour aider les équipes de recherche à transformer plus rapidement les données brutes de laboratoire en connaissances scientifiques exploitables. Luma fonctionne en quatre étapes principales :
- Capture de données : Luma se connecte aux instruments de laboratoire, aux cahiers de laboratoire électroniques (ELN), aux registres, aux chargements CRO, aux fichiers, aux applications scientifiques et aux systèmes externes. Luma Lab Connect peut collecter des données provenant d’instruments fonctionnant avec des fichiers, de dossiers Windows ou Linux, de compartiments S3, d’API et de sources SQL/JSON/CSV.
- Traitement des données : Une fois les données capturées, Luma analyse les fichiers bruts, extrait les métadonnées et convertit les sorties des instruments en formats structurés et analysables.
- Harmonisation et gestion des données : Luma rassemble différents types de données, notamment structurées, semi-structurées, non structurées, séquentielles, numériques, textuelles, d'images et de métadonnées.
- Analyse et données exploitables grâce à l'IA : les chercheurs peuvent rechercher, visualiser, interroger, modéliser et analyser des données harmonisées directement sur la plateforme ou via des API. Luma prend également en charge les requêtes en langage naturel et les cas d'utilisation de l'IA générative , permettant ainsi aux scientifiques d'explorer les relations complexes entre les ensembles de données.
Dotmatics est idéal pour les grandes entreprises biopharmaceutiques et les CRO qui exigent un système d'information réglementé.
Suite scientifique OpenEye Orion
OpenEye Scientific, désormais intégrée à Cadence Molecular Sciences, se distingue par sa plateforme cloud native Orion et sa suite logicielle OEChem destinée aux développeurs. Cette suite comprend ROCS pour le criblage morphologique, EON pour la comparaison électrostatique, OMEGA pour la génération de conformères et FRED pour l'amarrage moléculaire.
Orion fonctionne sur AWS et Cadence OnCloud sans option d'installation sur site, ciblant les organisations qui développent des pipelines de calcul personnalisés.
OpenEye Scientific Suite Orion est particulièrement adapté aux développeurs qui créent des pipelines personnalisés.
Figure 3 : Tableau de bord de simulation et d'analyse 3D d'Orion. 4
Système d'exploitation récursif
Recursion OS permet la création d'un vaste ensemble de données phénotypiques grâce à l'imagerie automatisée à haut débit des phénotypes cellulaires, traitées par vision par ordinateur et l'infrastructure de supercalcul BioHive. La plateforme inclut la Carte de la Biologie, qui visualise les relations biologiques, et a généré environ 65 pétaoctets de données propriétaires.
Récursivité LOWE :
LOWE est le moteur de flux de travail orchestré par LLM de Recursion, un système basé sur l'IA au sein de la plateforme Recursion OS conçu pour prendre en charge les flux de travail complexes de découverte de médicaments grâce à une interaction en langage naturel.
Il permet aux chercheurs d'interroger les ensembles de données biologiques et chimiques de Recursion, d'explorer les relations potentielles entre les médicaments et leurs cibles, de générer et de prioriser de nouveaux composés, d'évaluer des propriétés telles que l'ADMET et la solubilité, et de coordonner les activités en aval, y compris la planification de la synthèse et l'exécution expérimentale.
LOWE fonctionne comme une couche d'orchestration de flux de travail intelligente qui connecte les ensembles de données propriétaires, les modèles prédictifs, les capacités de chimie générative et les opérations de laboratoire de Recursion. 5
La récursivité est particulièrement adaptée aux maladies rares et aux programmes de repositionnement de médicaments.
Suite de découverte de médicaments à petites molécules de Schrödinger
Schrödinger se distingue par ses calculs de perturbation d'énergie libre (FEP+), basés sur la physique, qui permettent de prédire l'affinité de liaison. La suite logicielle intègre Glide pour l'amarrage moléculaire, WaterMap pour la thermodynamique d'hydratation et Prime pour la prédiction de la structure des protéines au sein de l'interface graphique Maestro.
Exemple concret du programme propriétaire de Schrödinger :
La plateforme de chimie numérique de Schrödinger a permis d'identifier le SGR-1505, un nouvel inhibiteur de MALT1, comme candidat au développement en seulement 10 mois. Le programme ciblait MALT1, une protéine impliquée dans la régulation des lymphocytes et pertinente pour les hémopathies malignes à cellules B récidivantes ou réfractaires, notamment la leucémie lymphoïde chronique. Les approches précédentes d'inhibiteurs de MALT1 présentaient des problèmes de propriétés pharmacologiques ; l'objectif était donc de trouver une petite molécule puissante offrant un meilleur équilibre entre puissance, perméabilité, solubilité et facilité de développement.
L'équipe a utilisé un flux de travail de conception, de prédiction, de synthèse, de test et d'analyse, s'appuyant sur la modélisation physique, l'apprentissage automatique , des modèles ADMET prédictifs et l'analyse de données. Elle a évalué par calcul plus de 8 milliards de composés, utilisé WaterMap pour analyser le site de liaison, appliqué la conception de novo et l'énumération prenant en compte la synthèse pour générer des idées, et utilisé FEP+ pour prédire l'affinité de liaison relative. LiveDesign a permis de centraliser les données modélisées et expérimentales pour une prise de décision collaborative.
Au cours des trois premiers mois, l'équipe a évalué plus de 1 700 molécules à l'aide d'Active Learning FEP+ et a identifié deux nouvelles séries d'inhibiteurs puissants de MALT1 après avoir synthétisé moins de 50 composés. Elle a ensuite utilisé l'optimisation multiparamétrique pour optimiser la puissance, la solubilité et la perméabilité. L'équipe a évalué plus de 5 000 idées, et 43 composés répondaient aux critères du programme. Seule une petite partie de ces composés a ensuite été soumise à la synthèse et aux tests.
Le résultat fut le SGR-1505, sélectionné en moins de 10 mois après la synthèse de 78 composés dans la série principale et de 129 composés dans l'ensemble du programme. Schrödinger présente ce cas comme preuve que la combinaison du criblage informatique à grande échelle, de la prédiction basée sur la physique, de l'apprentissage automatique et de l'informatique collaborative peut réduire le nombre de composés à synthétiser tout en accélérant le passage de la découverte d'une molécule active à un candidat au développement. 6
Schrödinger est particulièrement adapté aux équipes pharmaceutiques et biotechnologiques qui ont besoin d'une modélisation de puissance de haute précision.
Optibrium StarDrop
Optibrium StarDrop est spécialisé dans l'optimisation multiparamètre (MPO) pour l'optimisation des composés candidats. La plateforme propose un déploiement sur poste de travail et dans le cloud, avec une tarification modulaire pour les modules ADMET, chimie générative et conception 3D.
adMare avec StarDrop : exemple concret
Les travaux d'adMare, une entreprise canadienne spécialisée dans les sciences de la vie, couvrent l'ensemble du processus, de l'identification précoce des composés candidats à la sélection des candidats cliniques. Ce processus exige des chimistes qu'ils évaluent la puissance des composés, leurs caractéristiques ADME, leurs propriétés physico-chimiques, leur sélectivité et les relations structure-activité. StarDrop facilite ce processus en aidant les chercheurs à organiser, visualiser et interpréter plus efficacement des ensembles de données complexes sur les composés.
L'analyse de brevets constitue une application notable. Lorsque les chimistes extraient un grand nombre de composés de la littérature brevetaire, les fonctionnalités de regroupement, d'analyse de similarité, de visualisation de l'espace chimique et d'affichage par fiches de StarDrop aident à identifier les points de départ pertinents et à comprendre comment les séries de composés ont été optimisées.
L'équipe utilise également StarDrop pour examiner les tendances SAR, comparer les valeurs pIC50, prédire des propriétés telles que logP et logD à l'aide d'ADME QSAR, préparer des bibliothèques de composés pour des études d'amarrage et cribler des bibliothèques virtuelles avec eSim3D. 7
Optibrium StarDrop est particulièrement adapté aux chimistes médicinaux qui privilégient l'ADMET et l'optimisation des composés candidats.
Considérations réglementaires et de conformité pour la découverte de médicaments assistée par l'IA
Les agences réglementaires ont commencé à formaliser des lignes directrices concernant l'IA et l'apprentissage automatique dans le développement des médicaments. En janvier 2025, la FDA a publié un projet de lignes directrices intitulé « Considérations relatives à l'utilisation de Intel artificielle pour appuyer la prise de décision réglementaire », proposant un cadre d'évaluation de la crédibilité fondé sur les risques pour les modèles d'IA utilisés dans les contextes non cliniques, cliniques et de fabrication . 8 Les lignes directrices excluent explicitement les activités de découverte de médicaments, se concentrant uniquement sur les données étayant les décisions réglementaires. 9
En janvier 2026, la FDA et l'EMA ont publié conjointement les « Principes directeurs de bonnes pratiques en matière d'IA dans le développement de médicaments », établissant dix principes de haut niveau couvrant la conception centrée sur l'humain et les exigences de validation proportionnelle tout au long du cycle de vie des médicaments. 10 Les agences ont souligné que les systèmes d’IA devraient soutenir, et non remplacer, le jugement humain, avec des exigences de validation adaptées à l’impact potentiel du système d’IA. 11
Liens de référence
Soyez le premier à commenter
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires.