Os 10 melhores softwares de descoberta de medicamentos

O mercado de softwares de descoberta de medicamentos divide-se em três categorias: suítes de química computacional para design baseado em estrutura, plataformas nativas de IA para química generativa e identificação de alvos, e sistemas de gerenciamento de dados de P&D para ELN, LIMS, rastreamento de síntese, análise de dados e registro de compostos.

Comparamos as 10 principais plataformas de descoberta de medicamentos em termos de recursos, preços e modelos de implantação.

Comparação de implantação e preços dos 10 principais softwares de descoberta de medicamentos

Observação: Os produtos estão listados em ordem alfabética. Nenhum dos produtos possui planos ou avaliações gratuito.

Comparação de recursos dos softwares de descoberta de medicamentos

AIDDISON

AIDDISON é uma plataforma de descoberta de medicamentos nativa da nuvem que combina IA generativa com ferramentas de design de fármacos auxiliado por computador. Ela suporta geração molecular, triagem virtual, previsão de ADMET, buscas por farmacóforos e similaridade, docking molecular e planejamento de retrossíntese.

Suas principais capacidades incluem:

• Design molecular generativo: Cria pequenas moléculas inéditas e as otimiza para semelhança com fármacos, propriedades ADMET, afinidade de ligação e sintetizabilidade.
• Busca no espaço químico: Pesquisa mais de 60 bilhões de moléculas conhecidas e virtuais usando métodos de similaridade, subestrutura e farmacóforo.
• Docking molecular: Visualiza interações proteína-ligante, identifica sítios de ligação e avalia a ligação de candidatos.
• Planejamento de síntese: Conecta o design virtual de moléculas com retrossíntese e materiais de partida comercialmente disponíveis.
• Previsões personalizadas: Permite que equipes usem modelos de IA/ML existentes ou treinem modelos com seus próprios dados.

AIDDISON é mais adequado para equipes de química medicinal que buscam um fluxo de trabalho integrado e assistido por IA, do design de moléculas ao planejamento de síntese.

BIOVIA Discovery Studio

O BIOVIA Discovery Studio oferece um pipeline de ponta a ponta, da identificação de alvos até a otimização de leads. A ferramenta integra-se à plataforma Dassault Systèmes 3DEXPERIENCE para gestão de dados empresariais e conformidade regulatória.

O BIOVIA Discovery Studio cobre as principais partes da descoberta de medicamentos computacional:

• Simulações: Dinâmica molecular, cálculos de energia gratuito e outras ferramentas de simulação para estudar o comportamento e as interações moleculares.
• Design baseado em estrutura: Ferramentas para docking proteína-ligante, design baseado em fragmentos e otimização de compostos usando informações estruturais 3D.
• Design baseado em ligantes e farmacóforos: Métodos para design de fármacos de novo, perfil de atividade, design multi-alvo e descoberta de moléculas com padrões de interação desejados.
• Modelagem de bioterapêuticos e anticorpos: Ferramentas in silico para modelagem de anticorpos, engenharia de proteínas e otimização de biológicos.
• Design e análise de macromoléculas: Ferramentas para analisar e projetar proteínas, ácidos nucleicos e outras grandes moléculas biológicas.
• QSAR, ADMET e toxicologia preditiva: Informações preditivas para farmacocinética, segurança, toxicidade e propriedades semelhantes a fármacos.
• Visualização: Um visualizador gratuito de design molecular para visualizar, manipular e analisar estruturas biológicas e químicas.

O BIOVIA Discovery Studio é mais adequado para grandes empresas que exigem conformidade regulatória.

Figura 1: Painel de simulações do BIOVIA Discovery Studio.¹

BioSolveIT

A BioSolveIT fornece um conjunto de ferramentas visuais de descoberta computacional de medicamentos. Seus produtos incluem SeeSAR para design molecular, infiniSee para navegação no espaço químico e HPSee para triagem virtual de alto desempenho.

Seus principais recursos incluem:

• Design visual de fármacos: O SeeSAR suporta docking molecular, otimização de compostos, design baseado em fragmentos e análise de interações proteína-ligante.
• Exploração do espaço químico: O infiniSee pesquisa coleções ultragrandes de compostos por moléculas estruturalmente ou farmacoforicamente semelhantes.
• Docking em larga escala: O Chemical Space Docking explora bilhões de compostos usando triagem baseada em estrutura.
• Fluxos de trabalho de alto desempenho: O HPSee distribui cargas de trabalho de triagem e docking em infraestrutura de computação dedicada.
• Ferramentas de modelagem especializadas: O conjunto inclui ferramentas para docking, pontuação, alinhamento molecular, exploração de sítios, geração de conformeros e scaffold hopping.

A BioSolveIT é mais adequada para químicos medicinais e computacionais que priorizam fluxos de trabalho visuais, docking molecular e exploração de grandes espaços químicos.

ChemAxon

A ChemAxon fornece infraestrutura de quimioinformática, incluindo seu editor de estruturas químicas Marvin e os motores JChem, para padronização de dados químicos. A plataforma suporta implantação em nuvem e no local com Java e REST APIs para integração.

Exemplo real do Marvin da Chemaxon:

Uma grande empresa farmacêutica global usou o editor químico Marvin da Chemaxon para melhorar a gestão de dados químicos em um aplicativo desktop de visualização e análise de dados.

A empresa precisava de uma ferramenta de desenho químico que pudesse se integrar facilmente à infraestrutura existente antes do prazo iminente de entrada em operação. Os requisitos incluíam suporte à notação SMILES/SMARTS, mapeamento de reações, tratamento de estereoquímica, enumeração de estruturas Markush e uma API .NET robusta para integração.

A Chemaxon implementou o Marvin para mais de 300 usuários e atualizou um grupo menor de usuários do Marvin JS para o ambiente Marvin mais recente. A empresa integrou o complemento .NET API ao sistema existente, e a integração completa com o aplicativo desktop de análise foi concluída em cerca de uma a duas semanas.

O projeto ajudou a empresa a cumprir o cronograma de lançamento sem comprometer requisitos funcionais, técnicos ou de negócios. Também simplificou o licenciamento ao consolidar as licenças da Chemaxon em um único prazo de 19 meses, reduzindo a complexidade de aquisição.²

A Chemaxon é melhor para organizações que precisam de padronização de dados químicos e integração de API.

Cresset Flare

A modelagem de ligantes baseada em campo eletrostático do Cresset Flare, usando o campo de força XED, permite scaffold hopping e design de ligantes sem depender de estruturas cristalográficas de proteínas. O Flare suporta cálculos de RBFE e geração de conformeros de macrociclos dentro de sua estrutura FEP.

• Mapas de Interação 2D: Resume as interações ligante-proteína em uma visão 2D clara para facilitar a interpretação.
• Activity Atlas: Fornece insights qualitativos de SAR para ajudar a entender como as mudanças moleculares afetam a atividade.
• Activity Miner: Identifica cliffs de atividade e seletividade em conjuntos de dados de SAR.
• FieldTemplater: Ajuda a prever modos de ligação quando os dados da estrutura cristalográfica da proteína não estão disponíveis.
• Perturbação de Energia Livre (FEP): Apoia a otimização de leads ao prever quais mudanças no ligante têm maior probabilidade de melhorar a ligação.
• Assistente de codificação com IA: Apoia scripts, automação de fluxos de trabalho e personalização de métodos, ajudando os usuários a escrever ou refinar código para fluxos de trabalho de análise relacionados ao Flare.

O Cresset Flare é mais adequado para químicos medicinais que trabalham sem estruturas cristalográficas.

Figura 2: Exemplo do assistente de codificação com IA do Flare.³

Dotmatics

A Dotmatics fornece uma plataforma integrada de informática científica que abrange ELN, BioRegister, registro de compostos e gerenciamento de dados de ensaio, com visualização Studies e Vortex. A plataforma oferece integração em todo o portfólio Dotmatics, incluindo Geneious e Prism.

O Luma da Dotmatics é uma plataforma de P&D multimodal e nativa de IA que integra dados científicos, fluxos de trabalho, análises e ferramentas de IA em um único ambiente. Ele foi projetado para ajudar equipes de pesquisa a transformar dados brutos de laboratório em insights científicos utilizáveis com mais rapidez. O Luma funciona em quatro etapas principais:

• Captura de dados: O Luma conecta-se a instrumentos de laboratório, ELNs, registros, uploads de CROs, arquivos, aplicações científicas e sistemas externos. O Luma Lab Connect pode coletar dados de instrumentos baseados em arquivos, pastas Windows ou Linux, buckets S3, APIs e fontes SQL/JSON/CSV.
• Processamento de dados: Uma vez capturados os dados, o Luma analisa arquivos brutos, extrai metadados e converte as saídas dos instrumentos em formatos estruturados e analisáveis.
• Harmonização e gerenciamento de dados: O Luma reúne diferentes tipos de dados, incluindo estruturados, semiestruturados, não estruturados, sequências, numéricos, texto, imagem e metadados.
• Análise e insights habilitados por IA: Os pesquisadores podem pesquisar, visualizar, consultar, modelar e analisar dados harmonizados dentro da plataforma ou via APIs. O Luma também oferece suporte a consultas em linguagem natural e casos de uso de IA generativa, ajudando os cientistas a explorar relações complexas entre conjuntos de dados.

A Dotmatics é melhor para grandes empresas biofarmacêuticas e CROs que exigem um sistema de registro governado.

OpenEye Scientific Suite Orion

A OpenEye Scientific, agora parte da Cadence Molecular Sciences, diferencia-se por sua plataforma Orion nativa da nuvem e pelo kit de ferramentas OEChem voltado a desenvolvedores. A suíte inclui ROCS para triagem baseada em forma, EON para comparação eletrostática, OMEGA para geração de conformeros e FRED para docking.

O Orion opera na AWS e no Cadence OnCloud, sem opção de instalação no local, visando organizações que criam pipelines computacionais personalizados.

A OpenEye Scientific Suite Orion é mais adequada para desenvolvedores que criam pipelines personalizados.

Figura 3: Painel de simulação e análise 3D do Orion.⁴

Recursion OS

O Recursion OS possibilita um enorme conjunto de dados fenotípicos gerado por imageamento automatizado de alto rendimento de fenótipos celulares, processado por visão computacional e pela infraestrutura de supercomputação BioHive. A plataforma inclui o Mapa da Biologia, que visualiza relações biológicas, e gerou aproximadamente 65 petabytes de dados proprietários.

Recursion LOWE:

O LOWE é o Motor de Fluxo de Trabalho orquestrado por LLM da Recursion, um sistema habilitado por IA dentro da plataforma Recursion OS projetado para apoiar fluxos de trabalho complexos de descoberta de medicamentos por meio de interação em linguagem natural.

Ele permite que os pesquisadores consultem os conjuntos de dados biológicos e químicos da Recursion, explorem possíveis relações fármaco-alvo, gerem e priorizem compostos inéditos, avaliem propriedades como ADMET e solubilidade, e coordenem atividades posteriores, incluindo planejamento de síntese e execução experimental.

O LOWE funciona como uma camada inteligente de orquestração de fluxos de trabalho que conecta os conjuntos de dados proprietários da Recursion, modelos preditivos, capacidades de química generativa e operações de laboratório.⁵

A Recursion é melhor para programas de doenças raras e reposicionamento de medicamentos.

Suíte Schrödinger de descoberta de fármacos de moléculas pequenas

A Schrödinger se diferencia por meio de cálculos de Perturbação de Energia Livre (FEP+) baseados em física, que preveem a afinidade de ligação. A suíte integra Glide para docking, WaterMap para termodinâmica de hidratação e Prime para previsão de estrutura de proteínas dentro da interface gráfica Maestro.

Exemplo real do programa proprietário da Schrödinger:

A plataforma de química digital da Schrödinger ajudou a identificar o SGR-1505, um novo inibidor de MALT1, como candidato ao desenvolvimento em 10 meses. O programa concentrou-se no MALT1, um alvo implicado na regulação de linfócitos e relevante para malignidades de células B recidivadas ou refratárias, incluindo leucemia linfocítica crônica. Abordagens anteriores com inibidores de MALT1 enfrentaram problemas com propriedades semelhantes a fármacos, então o objetivo era encontrar uma pequena molécula potente com melhor equilíbrio entre potência, permeabilidade, solubilidade e capacidade de desenvolvimento.

A equipe usou um fluxo de trabalho design-prever-fazer-testar-analisar apoiado por modelagem baseada em física, aprendizado de máquina, modelos preditivos de ADMET e análise de dados. Eles avaliaram computacionalmente mais de 8 bilhões de compostos, usaram WaterMap para analisar o sítio de ligação, aplicaram design de novo e enumeração sinteticamente consciente para gerar ideias e usaram FEP+ para prever a afinidade de ligação relativa. O LiveDesign foi usado para centralizar dados modelados e experimentais para tomada de decisão colaborativa.

Nos primeiros três meses, a equipe avaliou mais de 1.700 moléculas usando Active Learning FEP+ e identificou duas novas séries potentes de inibidores de MALT1 após sintetizar menos de 50 compostos. Depois disso, usaram otimização multiparâmetro para equilibrar potência, solubilidade e permeabilidade. A equipe avaliou mais de 5.000 ideias, e 43 compostos atenderam aos critérios do programa, e um subconjunto menor avançou para síntese e testes.

O resultado foi o SGR-1505, selecionado em 10 meses após a síntese de 78 compostos na série líder e 129 compostos em todo o programa. A Schrödinger apresenta o caso como evidência de que combinar triagem computacional em larga escala, previsão baseada em física, aprendizado de máquina e informática colaborativa pode reduzir o número de compostos que precisam ser sintetizados, acelerando o caminho da descoberta de hits até um candidato ao desenvolvimento.⁶

A Schrödinger é mais adequada para equipes farmacêuticas e de biotecnologia que exigem modelagem de potência de alta precisão.

Optibrium StarDrop

O Optibrium StarDrop é especializado em otimização multiparâmetro (MPO) para otimização de leads. A plataforma oferece implantação tanto em desktop quanto em nuvem, com preços modulares para módulos de ADMET, química generativa e design 3D.

Exemplo real de adMare com StarDrop:

O trabalho da adMare, uma empresa canadense de ciências da vida, abrange desde a identificação precoce de leads até a seleção de candidatos clínicos, exigindo que os químicos avaliem a potência dos compostos, as características ADME, as propriedades físico-químicas, a seletividade e relações estrutura-atividade mais amplas. O StarDrop apoia esse processo ajudando os pesquisadores a organizar, visualizar e interpretar conjuntos de dados complexos de compostos com mais eficiência.

Uma aplicação notável é a análise de patentes. Quando os químicos extraem grandes quantidades de compostos da literatura de patentes, os recursos de agrupamento, análise de similaridade, visualização do espaço químico e Card View do StarDrop ajudam a identificar pontos de partida relevantes e a entender como as séries de compostos foram otimizadas.

A equipe também usa o StarDrop para examinar tendências de SAR, comparar valores de pIC50, prever propriedades como logP e logD usando ADME QSAR, preparar bibliotecas de compostos para estudos de docking e triar bibliotecas virtuais com o eSim3D.⁷

O Optibrium StarDrop é mais adequado para químicos medicinais que priorizam ADMET e otimização de leads.

Não perca os nossos benchmarks e insights baseados em dados. O botão abre o Google; selecionar a AIMultiple confirma que deseja ver a AIMultiple com mais frequência nos resultados de pesquisa do Google.

Adicionar como fonte preferencial

Considerações regulatórias e de conformidade para a descoberta de medicamentos assistida por IA

As agências reguladoras começaram a formalizar orientações para IA/ML no desenvolvimento de medicamentos. Em janeiro de 2025, a FDA publicou um projeto de orientação sobre “Considerações sobre o Uso de Inteligência Artificial para Apoiar a Tomada de Decisão Regulatória”, propondo uma estrutura de avaliação de credibilidade baseada em risco para modelos de IA usados em contextos não clínicos, clínicos e de fabricação.⁸A orientação exclui explicitamente as atividades de descoberta de medicamentos, concentrando-se nos dados que apoiam decisões regulatórias.⁹

Em janeiro de 2026, a FDA e a EMA publicaram conjuntamente “Princípios Orientadores de Boas Práticas de IA no Desenvolvimento de Medicamentos”, estabelecendo dez princípios de alto nível que abrangem design centrado no ser humano e requisitos de validação proporcionais ao longo do ciclo de vida dos medicamentos.¹⁰As agências enfatizaram que os sistemas de IA devem apoiar, e não substituir, o julgamento humano, com requisitos de validação dimensionados de acordo com o impacto potencial do sistema de IA.

Cite esta pesquisa

Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.

@misc{ermut2026,
  author = {Ermut, Sıla},
  title  = {{Os 10 melhores softwares de descoberta de medicamentos}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/drug-discovery-software}},
  note   = {AIMultiple. Acessado em 22 Julho 2026}
}

Registro de alterações

1 atualizações

1. 202622 Jul

   Adicionados AIDDISON e BioSolveIT à comparação de softwares de descoberta de fármacos.

Links de referência

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 do Setor

Siga-nos

Sıla Ermut é analista do setor na AIMultiple, cobrindo models de IA, infraestrutura de IA, governança de IA e aplicações empresariais de IA. Sua pesquisa se concentra principalmente no uso de IA em marketing, saúde, cadeias de suprimentos e sustentabilidade.
Ela trabalhou anteriormente como recrutadora em empresas de gerenciamento de projetos e consultoria. Sıla possui mestrado em Psicologia Social e bacharelado em Relações Internacionais.

Ver perfil completo

Seja o primeiro a comentar

Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.

Nome

Endereço de email

Comentário

0/450

Postar comentário