Gli 8 migliori software per la scoperta di farmaci
Il mercato dei software per la scoperta di farmaci si suddivide in tre categorie: suite di chimica computazionale per la progettazione basata sulla struttura, piattaforme native di intelligenza artificiale per la chimica generativa e l'identificazione dei target, e sistemi di gestione dei dati di ricerca e sviluppo per ELN, LIMS, tracciamento della sintesi, analisi dei dati e registrazione dei composti.
Abbiamo confrontato le 8 migliori piattaforme per la scoperta di farmaci in base a funzionalità, prezzi e modelli di implementazione.
Confronto tra le 8 migliori soluzioni software per la scoperta di farmaci: implementazione e prezzi
Prodotto | Implementazione | Livello gratuito/accademico | Prezzo di partenza | Casi d'uso |
|---|---|---|---|---|
BIOVIA Discovery Studio | Cloud/On-premise | Visualizzatore gratuito | N / A | Piattaforma di simulazione completa che copre l'intero processo, dall'identificazione del target all'ottimizzazione del lead, con ELN integrato tramite 3DEXPERIENCE. |
ChemAxon | Cloud/On-premise | NO | N / A | Kit di strumenti per la chemoinformatica con editor Marvin e registrazione a JChem. |
Cresset Flare | Desktop | NO | N / A | Piattaforma di progettazione di ligandi basata su campi elettrostatici con campo di forza XED |
Dotmatics | Nuvola | NO | N / A | Piattaforma di informatica scientifica con ELN, bioregistro e gestione dei dati di analisi. |
OpenEye Orion | Solo cloud | NO | N / A | Piattaforma Orion nativa del cloud con screening basato sulla forma e toolkit OEChem. |
Sistema operativo di ricorsione | Nuvola/Interno | NO | N / A | Piattaforma fenomica con imaging ad alto contenuto e supercalcolo BioHive |
Suite Schrödinger | Desktop/in locale | NO | 7.500 dollari all'anno (30 gettoni) | Suite di chimica computazionale basata sulla fisica con FEP+ per la previsione dell'affinità di legame |
StarDrop | Desktop/Cloud | NO | 10.000 dollari all'anno per utente | Piattaforma di ottimizzazione multiparametrica con visualizzazione a molecole luminose |
Nota: i prodotti sono elencati in ordine alfabetico.
Confronto delle funzionalità dei software per la scoperta di farmaci
BIOVIA Discovery Studio
BIOVIA Discovery Studio offre una pipeline completa, dall'identificazione dei target all'ottimizzazione dei lead. Lo strumento si integra con la piattaforma 3DEXPERIENCE di Dassault Systèmes per la gestione dei dati aziendali e la conformità normativa.
BIOVIA Discovery Studio copre le principali fasi della scoperta computazionale di farmaci :
- Simulazioni: dinamica molecolare, calcoli di energia libera e altri strumenti di simulazione per lo studio del comportamento e delle interazioni molecolari.
- Progettazione basata sulla struttura: strumenti per l'aggancio proteina-ligando, la progettazione basata su frammenti e l'ottimizzazione di composti utilizzando informazioni strutturali tridimensionali.
- Progettazione basata su ligandi e farmacofori: metodi per la progettazione di farmaci ex novo, la profilazione dell'attività, la progettazione multi-bersaglio e l'individuazione di molecole con i modelli di interazione desiderati.
- Bioterapie e modellazione degli anticorpi: strumenti in silico per la modellazione degli anticorpi, l'ingegneria proteica e l'ottimizzazione dei farmaci 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 farmacologiche.
- Visualizzazione: un visualizzatore gratuito di strutture molecolari per visualizzare, manipolare e analizzare strutture biologiche e chimiche.
BIOVIA Discovery Studio è la soluzione ideale per le grandi aziende che necessitano di conformarsi alle normative vigenti.
Figura 1: Dashboard delle simulazioni di BIOVIA Discovery Studio. 1
ChemAxon
ChemAxon fornisce un'infrastruttura di chemoinformatica, che include l'editor di strutture chimiche Marvin e i motori JChem, per la standardizzazione dei dati chimici. La piattaforma supporta l'implementazione in cloud e on-premise con API Java e REST per l'integrazione.
Un esempio concreto del caso 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 per la rappresentazione grafica di sostanze chimiche che si integrasse perfettamente con la sua infrastruttura esistente prima di una data di lancio imminente. I requisiti includevano il supporto per la notazione SMILES/SMARTS, la mappatura delle reazioni, la gestione della stereochimica, l'enumerazione delle strutture di Markush e una solida API .NET per l'integrazione.
Chemaxon ha implementato Marvin per oltre 300 utenti e ha aggiornato un gruppo più ristretto di utenti di Marvin JS al nuovo ambiente Marvin. L'azienda ha integrato il componente aggiuntivo API .NET nel sistema esistente e la piena integrazione 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 commerciali. Ha inoltre semplificato le licenze consolidando le licenze Chemaxon in un unico periodo di 19 mesi, riducendo la complessità degli acquisti. 2
Chemaxon è la soluzione ideale per le organizzazioni che necessitano di standardizzazione dei dati chimici e integrazione tramite API.
Cresset Flare
La modellazione dei ligandi basata sul campo elettrostatico di Cresset Flare, utilizzando il campo di forza XED, consente il salto di impalcature e la progettazione di ligandi senza fare affidamento sulle strutture cristalline delle proteine. Flare supporta i calcoli RBFE e la generazione di conformeri di macrocicli all'interno del suo framework FEP.
- Mappe di interazione 2D: Riassumono le interazioni ligando-proteina in una chiara visualizzazione bidimensionale per una più facile interpretazione.
- Atlante dell'attività: fornisce informazioni qualitative sulle relazioni struttura-attività (SAR) per aiutare a comprendere come i cambiamenti molecolari influenzano l'attività.
- Activity Miner: identifica i picchi di attività e selettività nei set di dati SAR.
- FieldTemplater: Aiuta a prevedere le modalità di legame quando non sono disponibili dati sulla struttura cristallografica delle proteine.
- Perturbazione dell'energia libera (FEP): supporta l'ottimizzazione del composto principale prevedendo quali modifiche al ligando hanno maggiori probabilità di migliorare il legame.
- Assistente di programmazione basato sull'IA: supporta la creazione di script, l'automazione dei flussi di lavoro e la personalizzazione dei metodi, aiutando gli utenti a scrivere o perfezionare il codice per i flussi di lavoro di analisi relativi a Flare.
Cresset Flare è particolarmente indicato per i chimici farmaceutici che lavorano senza strutture cristalline.
Figura 2: Esempio di assistente di programmazione Flare AI. 3
Dotmatics
Dotmatics offre una piattaforma integrata di informatica scientifica che comprende ELN, BioRegister, registrazione di composti e gestione dei dati di analisi, con visualizzazione tramite Studies e Vortex. La piattaforma offre l'integrazione con l'intero portfolio Dotmatics, inclusi Geneious e Prism. Dotmatics si rivolge a grandi aziende biofarmaceutiche, CRO e organizzazioni di ricerca e sviluppo industriali che necessitano di un sistema di registrazione governato.
Dotmatics Luma è una piattaforma di ricerca e sviluppo multimodale nativa dell'IA che integra dati scientifici, flussi di lavoro, analisi e strumenti di 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 dei 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 dei dati: una volta acquisiti i dati, Luma analizza i file grezzi, estrae i metadati e converte gli output dello strumento in formati strutturati e analizzabili.
- Armonizzazione e gestione dei dati: Luma riunisce diversi tipi di dati, tra cui dati strutturati, semi-strutturati, non strutturati, sequenziali, numerici, testuali, immagini e metadati.
- Analisi e approfondimenti basati sull'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 set di dati.
Dotmatics è la soluzione ideale per le grandi aziende biofarmaceutiche e le CRO che necessitano di un sistema di registrazione dei dati controllato.
OpenEye Scientific Suite Orion
OpenEye Scientific, ora parte di Cadence Molecular Sciences, si distingue per la sua piattaforma cloud-native Orion e il toolkit OEChem pensato per gli 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 possibilità di installazione on-premise, ed è pensato per le organizzazioni che creano pipeline di calcolo personalizzate.
OpenEye Scientific Suite Orion è la soluzione ideale per gli sviluppatori che creano pipeline personalizzate.
Figura 3: Pannello di controllo per la simulazione e l'analisi 3D di Orion. 4
Sistema operativo di ricorsione
Recursion OS consente la creazione di un enorme set di dati fenotipici tramite l'acquisizione automatizzata di immagini ad alta produttività di fenotipi cellulari, elaborate attraverso la visione artificiale e l'infrastruttura di supercalcolo BioHive. La piattaforma include la Mappa della Biologia, che visualizza le relazioni biologiche, e ha generato circa 65 petabyte di dati proprietari.
Ricorsione LOWE:
LOWE è il Workflow Engine di Recursion, orchestrato da LLM, un sistema basato sull'intelligenza artificiale integrato nella piattaforma Recursion OS, progettato per supportare flussi di lavoro complessi nella scoperta di farmaci attraverso l'interazione in linguaggio naturale.
Consente ai ricercatori di interrogare i set di dati biologici e chimici di Recursion, esplorare le potenziali relazioni farmaco-bersaglio, generare e dare priorità a nuovi composti, valutare proprietà come ADMET e solubilità e coordinare le attività a valle, tra cui la pianificazione della sintesi e l'esecuzione sperimentale.
LOWE funge da livello intelligente di orchestrazione del flusso di lavoro che collega i set di dati proprietari di Recursion, i modelli predittivi, le funzionalità di chimica generativa e le operazioni di laboratorio. 5
La ricorsione è ideale per i programmi relativi alle malattie rare e al riutilizzo dei farmaci.
Suite per la scoperta di farmaci a piccole molecole Schrödinger
Schrödinger si distingue per i calcoli di perturbazione dell'energia libera (FEP+) basati sulla fisica, che consentono di prevedere 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 pratico del programma proprietario di Schrödinger:
La piattaforma di chimica digitale di Schrödinger ha contribuito a identificare SGR-1505, un nuovo inibitore di MALT1, come potenziale candidato per lo sviluppo in soli 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, tra cui la leucemia linfatica cronica. I precedenti approcci con inibitori di MALT1 avevano riscontrato problemi con le proprietà farmacocinetiche, pertanto l'obiettivo era quello di trovare una piccola molecola potente con un migliore equilibrio tra potenza, permeabilità, solubilità e sviluppabilità complessiva.
Il team ha utilizzato un flusso di lavoro di progettazione-previsione-realizzazione-test-analisi supportato da modelli basati sulla fisica, apprendimento automatico , 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 consapevole della sintesi 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; solo un sottoinsieme più piccolo è passato alla sintesi e alla fase di test.
Il risultato è stato SGR-1505, selezionato entro 10 mesi dopo la sintesi di 78 composti nella serie principale e di 129 composti nell'intero programma. Schrödinger presenta il caso come prova che la combinazione di screening computazionale su larga scala, previsione basata sulla fisica, apprendimento automatico e informatica collaborativa può ridurre il numero di composti da sintetizzare, accelerando al contempo il percorso dalla scoperta di un composto promettente a un candidato per lo sviluppo. 6
Il modello di Schrödinger è particolarmente adatto ai team del settore farmaceutico e biotecnologico che necessitano di una modellazione della potenza ad alta precisione.
Optibrium StarDrop
Optibrium StarDrop è specializzata nell'ottimizzazione multiparametrica (MPO) per l'ottimizzazione dei composti candidati. La piattaforma offre sia l'implementazione desktop che quella cloud, con prezzi modulari per i moduli ADMET, chimica generativa e progettazione 3D.
Esempio pratico di adMare con StarDrop:
Il lavoro di adMare, un'azienda canadese del settore delle scienze biologiche, spazia dall'identificazione iniziale di potenziali farmaci fino alla selezione di candidati clinici, 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 in modo più efficiente set di dati complessi relativi ai composti.
Un'applicazione degna di nota è l'analisi dei brevetti. 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 i punti di partenza rilevanti e a comprendere come sono state ottimizzate le serie di composti.
Il team utilizza StarDrop anche 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 analizzare librerie virtuali con eSim3D. 7
Optibrium StarDrop è la soluzione ideale per i chimici farmaceutici che danno priorità all'analisi ADMET e all'ottimizzazione dei composti candidati.
Considerazioni normative e di conformità per la scoperta di farmaci assistita dall'intelligenza artificiale
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 sull'uso Intel artificiale a supporto del processo decisionale normativo", proponendo un quadro di valutazione della credibilità basato sul rischio per i modelli di IA utilizzati in contesti preclinici, clinici e produttivi . 8 Le linee guida escludono esplicitamente le attività di scoperta di farmaci, concentrandosi unicamente sui dati a supporto delle decisioni regolatorie. 9
Nel gennaio 2026, la FDA e l'EMA hanno pubblicato congiuntamente le "Linee guida per una buona pratica di intelligenza artificiale nello sviluppo dei farmaci", stabilendo dieci principi di alto livello che riguardano la progettazione incentrata sull'uomo e i requisiti di validazione proporzionata lungo tutto il 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
Collegamenti di riferimento
Sii il primo a commentare
Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori.