I migliori 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 native IA per la chimica generativa e l'identificazione dei target, e sistemi di gestione dati per R&S per ELN, LIMS, monitoraggio della sintesi, analisi dei dati e registrazione dei composti.

Abbiamo confrontato le prime 10 piattaforme di scoperta di farmaci per funzionalità, prezzi e modelli di implementazione.

Confronto tra implementazione e prezzi dei primi 10 software per la scoperta di farmaci

Nota: I prodotti sono elencati in ordine alfabetico. Nessuno dei prodotti offre piani o prove gratuito.

Confronto delle funzionalità dei software per la scoperta di farmaci

AIDDISON

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

Le sue principali capacità includono:

• Progettazione molecolare generativa: Crea nuove piccole molecole e le ottimizza per la drug-likeness, le proprietà ADMET, l'affinità di legame e la sintetizzabilità.
• Ricerca nello spazio chimico: Cerca tra più di 60 miliardi di molecole note e virtuali utilizzando metodi di similarità, sotto-struttura e farmacoforo.
• Docking molecolare: Visualizza le interazioni proteina-ligando, identifica le tasche di legame e valuta il legame del candidato.
• Pianificazione della sintesi: Collega la progettazione di molecole virtuali con la retro-sintesi 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 adatta per i team di chimica farmaceutica che cercano un flusso di lavoro integrato e assistito dall'IA, dalla progettazione molecolare alla pianificazione della sintesi.

BIOVIA Discovery Studio

BIOVIA Discovery Studio offre una pipeline end-to-end dall'identificazione del target 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 aree della scoperta di farmaci computazionale:

• Simulazioni: Dinamica molecolare, calcoli dell'energia gratuito e altri strumenti di simulazione per studiare il comportamento e le interazioni molecolari.
• Progettazione basata sulla struttura: Strumenti per il docking proteina-ligando, la progettazione basata su frammenti e l'ottimizzazione di 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 schemi di interazione desiderati.
• Modellazione di biofarmaci e 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: Approfondimenti predittivi per 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 per le grandi aziende che richiedono conformità normativa.

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

BioSolveIT

BioSolveIT fornisce una suite di strumenti visivi computazionali per la scoperta di farmaci. 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 caratteristiche principali includono:

• Progettazione visiva di farmaci: SeeSAR supporta il docking molecolare, l'ottimizzazione dei composti, la progettazione basata su frammenti e l'analisi delle interazioni proteina-ligando.
• Esplorazione dello spazio chimico: infiniSee cerca in raccolte di composti ultra-grandi molecole strutturalmente o farmacoforicamente simili.
• Docking su larga scala: Il 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 un'infrastruttura di calcolo dedicata.
• 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 per chimici farmaceutici e computazionali che danno priorità a flussi di lavoro visivi, docking molecolare ed esplorazione di grandi spazi chimici.

ChemAxon

ChemAxon fornisce un'infrastruttura di chemioinformatica, incluso il suo editor di strutture chimiche Marvin e i motori JChem, per la standardizzazione dei dati chimici. La piattaforma supporta l'implementazione cloud e on-premise con API Java e 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 necessitava di uno strumento di disegno chimico che potesse integrarsi perfettamente con la sua 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 delle strutture Markush e una solida API .NET per l'integrazione.

Chemaxon ha implementato Marvin per oltre 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 dell'azienda e l'integrazione completa con l'applicazione di analisi desktop 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 aziendali. Ha anche semplificato la gestione delle licenze consolidando le licenze Chemaxon in un unico periodo 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 lo scaffold hopping e la progettazione di ligandi senza fare affidamento sulle strutture cristalline delle proteine. Flare supporta calcoli RBFE e la generazione di conformeri macrociclici all'interno del suo framework FEP.

• 2D Interaction Maps: Riassume le interazioni ligando-proteina in una chiara vista 2D per un'interpretazione più semplice.
• Activity Atlas: Fornisce approfondimenti qualitativi SAR per aiutare a comprendere come i cambiamenti molecolari influenzano l'attività.
• Activity Miner: Identifica i salti di attività e selettività nei dataset SAR.
• FieldTemplater: Aiuta a prevedere le modalità di legame quando i dati della struttura cristallografica delle proteine non sono disponibili.
• Perturbazione dell'Energia Libera (FEP): Supporta l'ottimizzazione del lead prevedendo quali cambiamenti del ligando hanno maggiori probabilità di migliorare il legame.
• Assistente di codifica IA: Supporta lo scripting, l'automazione del flusso di lavoro e la personalizzazione del metodo aiutando gli utenti a scrivere o perfezionare il codice per i flussi di lavoro di analisi relativi a Flare.

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

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

Dotmatics

Dotmatics fornisce una piattaforma di informatica scientifica integrata che comprende ELN, BioRegister, registrazione dei composti e gestione dei dati di analisi, con visualizzazione Studies e Vortex. La piattaforma offre integrazione in tutto il portafoglio Dotmatics, inclusi Geneious e Prism.

Dotmatics Luma è una piattaforma di R&S multimodale nativa IA che integra dati scientifici, flussi di lavoro, analisi e strumenti IA 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 funziona in quattro fasi principali:

• Acquisizione dati: Luma si connette 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 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 dati strutturati, semi-strutturati, non strutturati, di sequenza, numerici, testuali, immagini e metadati.
• Analisi e approfondimenti potenziati dall'IA: I ricercatori possono cercare, visualizzare, interrogare, modellare e analizzare dati armonizzati all'interno della piattaforma o tramite API. Luma supporta anche l'interrogazione in linguaggio naturale e casi d'uso di IA generativa, aiutando gli scienziati a esplorare relazioni complesse tra i dataset.

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

OpenEye Scientific Suite Orion

OpenEye Scientific, ora parte di Cadence Molecular Sciences, si differenzia per la sua piattaforma Orion nativa del cloud 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 alcuna opzione di installazione on-premise, rivolgendosi alle organizzazioni che costruiscono pipeline computazionali personalizzate.

OpenEye Scientific Suite Orion è più adatta per gli sviluppatori che costruiscono pipeline personalizzate.

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

Recursion OS

Recursion OS abilita un enorme dataset fenotipico generato dall'imaging automatizzato ad alta produttività dei fenotipi cellulari, elaborato tramite computer vision 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 complessi flussi di lavoro di scoperta di farmaci attraverso l'interazione in linguaggio naturale.

Consente ai ricercatori di interrogare i dataset biologici e chimici di Recursion, esplorare potenziali relazioni farmaco-target, 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 del flusso 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 i programmi sulle malattie rare e il riposizionamento dei farmaci.

Suite per la scoperta di farmaci a piccole molecole di Schrödinger

Schrödinger si differenzia per i calcoli di Perturbazione dell'Energia Libera (FEP+) basati sulla fisica che prevedono l'affinità di legame. La suite integra Glide per il docking, WaterMap per la termodinamica dell'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 aiutato a identificare SGR-1505, un nuovo inibitore di MALT1, come candidato allo sviluppo in 10 mesi. Il programma si è concentrato su MALT1, un target implicato nella regolazione dei linfociti e rilevante per le neoplasie maligne a cellule B recidivanti o refrattarie, inclusa la leucemia linfatica cronica. I precedenti approcci agli inibitori di MALT1 presentavano problemi con le proprietà farmacologiche, 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 progetta-prevedi-crea-testa-analizza supportato da modellazione basata sulla fisica, machine learning, modelli ADMET predittivi e analisi dei dati. Hanno valutato computazionalmente più di 8 miliardi di composti, utilizzato WaterMap per analizzare il sito di legame, applicato la progettazione de novo e l'enumerazione sinteticamente consapevole per generare idee e utilizzato FEP+ per prevedere l'affinità di legame relativa. LiveDesign è stato utilizzato 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. Successivamente, hanno 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.

Il risultato è stato SGR-1505, selezionato entro 10 mesi dopo che 78 composti sono stati sintetizzati nella serie lead e 129 composti nell'intero programma. Schrödinger presenta il caso come prova che la combinazione di screening computazionale su larga scala, previsione basata sulla fisica, machine learning e informatica collaborativa può ridurre il numero di composti che devono essere sintetizzati, accelerando al contempo il percorso dalla scoperta dell'hit a un candidato allo sviluppo.⁶

Schrödinger è più adatto per i team farmaceutici e biotecnologici che richiedono una modellazione della potenza ad alta precisione.

Optibrium StarDrop

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

Esempio reale di adMare con StarDrop:

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

Un'applicazione notevole è l'analisi dei brevetti. Quando i chimici estraggono grandi quantità 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 capire come sono state ottimizzate le serie di composti.

Il team utilizza anche 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 per i chimici farmaceutici che danno priorità all'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 di farmaci. Nel gennaio 2025, la FDA ha pubblicato una bozza di linee guida su "Considerazioni per l'uso dell'intelligenza artificiale a supporto del processo decisionale regolatorio", proponendo un quadro di valutazione della credibilità basato sul rischio per i modelli di IA utilizzati in contesti non clinici, clinici e di produzione.⁸ Le linee guida escludono 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 "Principi guida per una buona pratica dell'IA nello sviluppo di farmaci", stabilendo dieci principi di alto livello che coprono la progettazione incentrata sull'uomo e requisiti di validazione proporzionali durante l'intero ciclo di vita dei farmaci.¹⁰ Le agenzie hanno sottolineato che i sistemi di IA dovrebbero supportare, non sostituire, il giudizio umano, con requisiti di validazione commisurati al potenziale impatto del sistema di IA.¹¹

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  = {{I migliori 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}
}

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)

11.

Guiding Principles of Good AI Practice in Drug Development | FDA

Center for Drug Evaluation and Research

Sıla Ermut

Analista di settore

Segui

Sıla Ermut è un'analista di settore presso AIMultiple specializzata in email marketing e video di vendita. In precedenza ha lavorato come recruiter in società di project management e consulenza. Sıla possiede una Laurea Magistrale in Psicologia Sociale e una Laurea triennale 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