Top 10 software per la scoperta di farmaci

Il mercato dei software per la scoperta di farmaci si divide in tre categorie: suite di chimica computazionale per la progettazione basata sulla struttura, piattaforme IA-native per la chimica generativa e l'identificazione dei bersagli, e sistemi di gestione dei dati R&D per ELN, LIMS, monitoraggio della sintesi, analisi dei dati e registrazione dei composti.

Abbiamo confrontato le 10 migliori piattaforme per la scoperta di farmaci in termini di funzionalità, prezzi e modelli di implementazione.

Top 10 software per la scoperta di farmaci: confronto tra implementazione e prezzi

Nota: i prodotti sono elencati in ordine alfabetico. Nessuno dei prodotti dispone di piani gratuito o prove.

Confronto delle funzionalità dei software per la scoperta di farmaci

AIDDISON

AIDDISON è una piattaforma cloud-native per la scoperta di farmaci che combina l'IA generativa con strumenti di progettazione di farmaci assistita da computer. Supporta la generazione molecolare, lo screening virtuale, la previsione ADMET, le ricerche per farmacoforo e similarità, il docking molecolare e la pianificazione della retrosintesi.

Le sue principali funzionalità includono:

• Progettazione molecolare generativa: crea nuove piccole molecole e le ottimizza per drug-likeness, proprietà ADMET, affinità di legame e sintetizzabilità.
• Ricerca nello spazio chimico: cerca più di 60 miliardi di molecole note e virtuali utilizzando metodi di similarità, sottostruttura e farmacoforo.
• Docking molecolare: visualizza le interazioni proteina-ligando, identifica le tasche di legame e valuta il legame dei candidati.
• Pianificazione della sintesi: collega la progettazione di molecole virtuali con la retrosintesi e i materiali di partenza disponibili in commercio.
• Previsioni personalizzate: consente ai team di utilizzare modelli IA/ML esistenti o di addestrare modelli con i propri dati.

AIDDISON è più adatto ai team di chimica farmaceutica che cercano un flusso di lavoro integrato e assistito dall'IA, dalla progettazione delle molecole alla pianificazione della sintesi.

BIOVIA Discovery Studio

BIOVIA Discovery Studio offre una pipeline end-to-end dall'identificazione del bersaglio all'ottimizzazione del lead. Lo strumento si integra con la piattaforma Dassault Systèmes 3DEXPERIENCE per la gestione dei dati aziendali e la conformità normativa.

BIOVIA Discovery Studio copre le principali fasi della scoperta di farmaci computazionale:

• Simulazioni: dinamica molecolare, calcoli di energia gratuito e altri strumenti di simulazione per studiare il comportamento e le interazioni molecolari.
• Progettazione basata sulla struttura: strumenti per docking proteina-ligando, progettazione basata su frammenti e ottimizzazione dei composti utilizzando informazioni strutturali 3D.
• Progettazione basata su ligandi e farmacofori: metodi per la progettazione de novo di farmaci, il profiling dell'attività, la progettazione multi-target e la ricerca di molecole con modelli di interazione desiderati.
• Bioterapie e modellazione di anticorpi: strumenti in silico per la modellazione di anticorpi, l'ingegneria proteica e l'ottimizzazione dei biologici.
• Progettazione e analisi di macromolecole: strumenti per analizzare e progettare proteine, acidi nucleici e altre grandi molecole biologiche.
• QSAR, ADMET e tossicologia predittiva: informazioni predittive su farmacocinetica, sicurezza, tossicità e proprietà drug-like.
• Visualizzazione: un visualizzatore di progettazione molecolare gratuito per visualizzare, manipolare e analizzare strutture biologiche e chimiche.

BIOVIA Discovery Studio è più adatto alle grandi imprese che richiedono conformità normativa.

Figura 1: dashboard delle simulazioni di BIOVIA Discovery Studio.¹

BioSolveIT

BioSolveIT fornisce una suite di strumenti visivi per la scoperta di farmaci computazionale. I suoi prodotti includono SeeSAR per la progettazione molecolare, infiniSee per la navigazione nello spazio chimico e HPSee per lo screening virtuale ad alte prestazioni.

Le sue funzionalità principali includono:

• Progettazione visiva di farmaci: SeeSAR supporta docking molecolare, ottimizzazione dei composti, progettazione basata su frammenti e analisi delle interazioni proteina-ligando.
• Esplorazione dello spazio chimico: infiniSee cerca in raccolte ultra-grandi di composti molecole simili per struttura o farmacoforo.
• Docking su larga scala: Chemical Space Docking esplora miliardi di composti utilizzando lo screening basato sulla struttura.
• Flussi di lavoro ad alte prestazioni: HPSee distribuisce i carichi di lavoro di screening e docking su infrastrutture di calcolo dedicate.
• Strumenti di modellazione specializzati: la suite include strumenti per docking, scoring, allineamento molecolare, esplorazione delle tasche, generazione di conformeri e scaffold hopping.

BioSolveIT è più adatto a chimici farmaceutici e computazionali che danno priorità a flussi di lavoro visivi, docking molecolare e ampia esplorazione dello spazio chimico.

ChemAxon

ChemAxon fornisce un'infrastruttura cheminformatica, inclusi l'editor di strutture chimiche Marvin e i motori JChem, per la standardizzazione dei dati chimici. La piattaforma supporta implementazioni cloud e on-premise con Java e API REST per l'integrazione.

Esempio reale di Marvin di Chemaxon:

Una grande azienda farmaceutica globale ha utilizzato l'editor chimico Marvin di Chemaxon per migliorare la gestione dei dati chimici all'interno di un'applicazione desktop di visualizzazione e analisi dei dati.

L'azienda aveva bisogno di uno strumento di disegno chimico che potesse integrarsi agevolmente con l'infrastruttura esistente prima di una scadenza di go-live imminente. I requisiti includevano il supporto per la notazione SMILES/SMARTS, la mappatura delle reazioni, la gestione della stereochimica, l'enumerazione di strutture Markush e un solido API .NET per l'integrazione.

Chemaxon ha implementato Marvin per più di 300 utenti e ha aggiornato un gruppo più piccolo di utenti di Marvin JS al nuovo ambiente Marvin. L'azienda ha integrato il componente aggiuntivo API .NET nel sistema esistente e l'integrazione completa con l'applicazione desktop di analisi è stata completata in circa una o due settimane.

Il progetto ha aiutato l'azienda a rispettare la tempistica di lancio senza compromettere i requisiti funzionali, tecnici o di business. Ha inoltre semplificato le licenze consolidando le licenze Chemaxon in un unico termine di 19 mesi, riducendo la complessità degli approvvigionamenti.²

Chemaxon è ideale per le organizzazioni che necessitano di standardizzazione dei dati chimici e integrazione API.

Cresset Flare

La modellazione di ligandi basata sul campo elettrostatico di Cresset Flare, che utilizza il campo di forza XED, consente scaffold hopping e progettazione di ligandi senza dipendere da strutture cristallografiche proteiche. Flare supporta calcoli RBFE e generazione di conformeri di macrocicli all'interno del suo framework FEP.

• Mappe di interazione 2D: riassume le interazioni ligando-proteina in una chiara vista 2D per una più facile interpretazione.
• Activity Atlas: fornisce informazioni SAR qualitative per aiutare a comprendere come le modifiche molecolari influenzino l'attività.
• Activity Miner: identifica i cliff di attività e selettività nei dataset SAR.
• FieldTemplater: aiuta a prevedere le modalità di legame quando i dati sulla struttura cristallografica delle proteine non sono disponibili.
• Free Energy Perturbation (FEP): supporta l'ottimizzazione del lead prevedendo quali modifiche del ligando hanno maggiori probabilità di migliorare il legame.
• Assistente di codifica IA: supporta scripting, automazione dei flussi di lavoro e personalizzazione dei metodi aiutando gli utenti a scrivere o perfezionare codice per i flussi di lavoro di analisi relativi a Flare.

Cresset Flare è più adatto ai chimici farmaceutici che lavorano senza strutture cristalline.

Figura 2: esempio di assistente di codifica IA di Flare.³

Dotmatics

Dotmatics fornisce una piattaforma integrata di informatica scientifica che copre ELN, BioRegister, registrazione dei composti e gestione dei dati di dosaggio, con visualizzazione Studies e Vortex. La piattaforma offre integrazione nell'intero portafoglio Dotmatics, inclusi Geneious e Prism.

Dotmatics Luma è una piattaforma R&D multimodale IA-native che integra dati scientifici, flussi di lavoro, analisi e strumenti di intelligenza artificiale in un unico ambiente. È progettata per aiutare i team di ricerca a passare più rapidamente dai dati grezzi di laboratorio a informazioni scientifiche utilizzabili. Luma opera in quattro fasi principali:

• Acquisizione dei dati: Luma si collega a strumenti di laboratorio, ELN, registri, caricamenti CRO, file, applicazioni scientifiche e sistemi esterni. Luma Lab Connect può raccogliere dati da strumenti basati su file, cartelle Windows o Linux, bucket S3, API e sorgenti SQL/JSON/CSV.
• Elaborazione dei dati: una volta acquisiti i dati, Luma analizza i file grezzi, estrae i metadati e converte gli output degli strumenti in formati strutturati e analizzabili.
• Armonizzazione e gestione dei dati: Luma riunisce diversi tipi di dati, inclusi strutturati, semi-strutturati, non strutturati, sequenze, numerici, testuali, immagini e metadati.
• Analisi e insight abilitati dall'IA: i ricercatori possono cercare, visualizzare, interrogare, modellare e analizzare i dati armonizzati all'interno della piattaforma o tramite API. Luma supporta anche interrogazioni in linguaggio naturale e casi d'uso di IA generativa, aiutando gli scienziati a esplorare relazioni complesse tra i dataset.

Dotmatics è ideale per grandi aziende biofarmaceutiche e CRO che richiedono un sistema di registrazione governato.

OpenEye Scientific Suite Orion

OpenEye Scientific, ora parte di Cadence Molecular Sciences, si distingue per la piattaforma Orion cloud-native e il toolkit OEChem orientato agli sviluppatori. La suite include ROCS per lo screening basato sulla forma, EON per il confronto elettrostatico, OMEGA per la generazione di conformeri e FRED per il docking.

Orion opera su AWS e Cadence OnCloud senza opzione di installazione on-premise, rivolgendosi a organizzazioni che costruiscono pipeline computazionali personalizzate.

OpenEye Scientific Suite Orion è più adatto agli sviluppatori che realizzano pipeline personalizzate.

Figura 3: dashboard di simulazione e analisi 3D di Orion.⁴

Recursion OS

Recursion OS consente di generare un enorme dataset fenotipico tramite imaging cellulare automatizzato ad alta produttività, elaborato con visione artificiale e l'infrastruttura di supercalcolo BioHive. La piattaforma include la Map of Biology, che visualizza le relazioni biologiche, e ha generato circa 65 petabyte di dati proprietari.

Recursion LOWE:

LOWE è il motore di flusso di lavoro orchestrato da LLM di Recursion, un sistema abilitato all'IA all'interno della piattaforma Recursion OS progettato per supportare flussi di lavoro complessi di scoperta di farmaci tramite interazione in linguaggio naturale.

Consente ai ricercatori di interrogare i dataset biologici e chimici di Recursion, esplorare potenziali relazioni farmaco-bersaglio, generare e dare priorità a nuovi composti, valutare proprietà come ADMET e solubilità, e coordinare le attività a valle, inclusa la pianificazione della sintesi e l'esecuzione sperimentale.

LOWE funziona come un livello intelligente di orchestrazione dei flussi di lavoro che collega i dataset proprietari di Recursion, i modelli predittivi, le capacità di chimica generativa e le operazioni di laboratorio.⁵

Recursion è ideale per programmi su malattie rare e riposizionamento dei farmaci.

Schrödinger suite per la scoperta di farmaci con piccole molecole

Schrödinger si distingue per i calcoli di Free Energy Perturbation (FEP+) basati sulla fisica che prevedono l'affinità di legame. La suite integra Glide per il docking, WaterMap per la termodinamica di idratazione e Prime per la previsione della struttura proteica all'interno dell'interfaccia grafica Maestro.

Esempio reale del programma proprietario di Schrödinger:

La piattaforma di chimica digitale di Schrödinger ha contribuito a identificare SGR-1505, un nuovo inibitore di MALT1, come candidato allo sviluppo in 10 mesi. Il programma si è concentrato su MALT1, un bersaglio implicato nella regolazione dei linfociti e rilevante per le neoplasie a cellule B recidivanti o refrattarie, inclusa la leucemia linfatica cronica. I precedenti approcci con inibitori di MALT1 presentavano problemi di proprietà drug-like, quindi l'obiettivo era trovare una piccola molecola potente con un migliore equilibrio tra potenza, permeabilità, solubilità e sviluppabilità complessiva.

Il team ha utilizzato un flusso di lavoro design-predict-make-test-analyze supportato da modellazione basata sulla fisica, machine learning, modelli ADMET predittivi e analisi dei dati. Ha valutato computazionalmente più di 8 miliardi di composti, ha usato WaterMap per analizzare il sito di legame, ha applicato la progettazione de novo e l'enumerazione sinteticamente consapevole per generare idee e ha usato FEP+ per prevedere l'affinità di legame relativa. LiveDesign è stato usato per centralizzare i dati modellati e sperimentali per un processo decisionale collaborativo.

Nei primi tre mesi, il team ha valutato più di 1.700 molecole utilizzando Active Learning FEP+ e ha identificato due nuove serie di potenti inibitori di MALT1 dopo aver sintetizzato meno di 50 composti. In seguito, ha utilizzato l'ottimizzazione multiparametrica per bilanciare potenza, solubilità e permeabilità. Il team ha valutato più di 5.000 idee e 43 composti hanno soddisfatto i criteri del programma, e un sottoinsieme più piccolo è passato alla sintesi e ai test.

L'esito è stato SGR-1505, selezionato entro 10 mesi dopo la sintesi di 78 composti nella serie lead e di 129 composti nell'intero programma. Schrödinger presenta il caso come prova che combinare screening computazionale su larga scala, previsione basata sulla fisica, machine learning e informatica collaborativa può ridurre il numero di composti da sintetizzare accelerando il percorso dalla scoperta dell'hit a un candidato allo sviluppo.⁶

Schrödinger è più adatto ai team farmaceutici e biotech che richiedono una modellazione della potenza ad alta precisione.

Optibrium StarDrop

Optibrium StarDrop è specializzata nell'ottimizzazione multi-parametrica (MPO) per l'ottimizzazione del lead. La piattaforma offre implementazione sia desktop sia cloud con prezzi modulari per moduli ADMET, chimica generativa e progettazione 3D.

Esempio reale di adMare con StarDrop:

adMare, un'azienda canadese di scienze della vita, opera dall'identificazione precoce del lead fino alla selezione del candidato clinico, richiedendo ai chimici di valutare la potenza dei composti, le caratteristiche ADME, le proprietà fisico-chimiche, la selettività e le più ampie relazioni struttura-attività. StarDrop supporta questo processo aiutando i ricercatori a organizzare, visualizzare e interpretare set di dati di composti complessi in modo più efficiente.

Un'applicazione degna di nota è l'analisi brevettuale. Quando i chimici estraggono un gran numero di composti dalla letteratura brevettuale, le funzionalità di clustering, analisi di similarità, visualizzazione dello spazio chimico e Card View di StarDrop aiutano a identificare punti di partenza rilevanti e a comprendere come sono state ottimizzate le serie di composti.

Il team utilizza inoltre StarDrop per esaminare le tendenze SAR, confrontare i valori pIC50, prevedere proprietà come logP e logD utilizzando ADME QSAR, preparare librerie di composti per studi di docking e screening di librerie virtuali con eSim3D.⁷

Optibrium StarDrop è più adatto ai chimici farmaceutici che danno priorità ad ADMET e all'ottimizzazione del lead.

Non perderti i nostri benchmark e approfondimenti basati sui dati. Il pulsante apre Google; selezionare AIMultiple conferma che desideri vedere AIMultiple più spesso nei risultati di ricerca di Google.

Aggiungi come fonte preferita

Considerazioni normative e di conformità per la scoperta di farmaci assistita dall'IA

Le agenzie regolatorie hanno iniziato a formalizzare le linee guida per l'IA/ML nello sviluppo dei farmaci. Nel gennaio 2025, la FDA ha pubblicato una bozza di linee guida intitolata “Considerations for the Use of Artificial Intelligence To Support Regulatory Decision-Making”, proponendo un quadro di valutazione della credibilità basato sul rischio per i modelli di intelligenza artificiale utilizzati in contesti non clinici, clinici e di produzione.⁸La guida esclude esplicitamente le attività di scoperta di farmaci, concentrandosi sui dati a supporto delle decisioni regolatorie.⁹

Nel gennaio 2026, la FDA e l'EMA hanno pubblicato congiuntamente “Guiding Principles of Good IA Practice in Drug Development”, stabilendo dieci principi di alto livello che coprono la progettazione incentrata sull'uomo e requisiti di validazione proporzionali lungo l'intero ciclo di vita dei medicinali.¹⁰Le agenzie hanno sottolineato che i sistemi di intelligenza artificiale dovrebbero supportare, e non sostituire, il giudizio umano, con requisiti di validazione proporzionali all'impatto potenziale del sistema di intelligenza artificiale.

Cita questa ricerca

Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.

@misc{ermut2026,
  author = {Ermut, Sıla},
  title  = {{Top 10 software per la scoperta di farmaci}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/drug-discovery-software}},
  note   = {AIMultiple. Consultato il 22 Luglio 2026}
}

Registro delle modifiche

1 aggiornamenti

1. 202622 Lug

   Aggiunti AIDDISON e BioSolveIT al confronto dei software per la scoperta di farmaci.

Collegamenti di riferimento

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)

Sıla Ermut

Analista di settore

Segui

Sıla Ermut è un'analista di settore presso AIMultiple e si occupa di modelli di IA, infrastrutture di IA, governance dell'IA e applicazioni aziendali dell'IA. La sua ricerca si concentra principalmente sull'uso dell'IA nel marketing, nella sanità, nelle catene di approvvigionamento e nella sostenibilità.
In precedenza ha lavorato come reclutatrice in società di project management e consulenza. Sıla ha conseguito un Master of Science in Psicologia Sociale e un Bachelor of Arts in Relazioni Internazionali.

Visualizza il profilo completo

Sii il primo a commentare

Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.

Nome

Indirizzo e-mail

Commento

0/450

Pubblica un commento