Ressources
-
STORM Therapeutics: From Lead to Pre-Candidate Nomination in 18 Months
STORM Therapeutics: From Lead to Pre-Candidate Nomination in 18 Months
Case study
Solutions scientifiques | Conception de médicaments assistée par ordinateur
Méthodes d’énergie libre
Ce logiciel propose le calcul de l’énergie libre de liaison relative par commutation hors équilibre (NES) grâce à la plateforme Orion® d’OpenEye. Il fournit des prédictions précises d’affinité de liaison permettant de classer les composés avec fiabilité et de prioriser la synthèse des candidats les plus prometteurs dès les premières étapes de la découverte, contribuant ainsi à réduire les coûts des cycles de conception.
soutenir vos recherches
Notre équipe de chimistes computationnels et médicinaux possède une grande expérience dans l’utilisation de méthodes avancées d’énergie libre, notamment la commutation hors équilibre (NES), pour prédire l’affinité des composés avec une précision exceptionnelle.
Nous possédons une expertise approfondie dans l’application des calculs d’énergie libre de liaison à diverses cibles protéiques et molécules. Notre excellence technique, notre puissance de calcul et notre intégration stratégique aux cycles DMTA font de Sygnature un partenaire de confiance pour accélérer la découverte précoce de médicaments. Cette approche éprouvée fournit des prédictions d’affinité de liaison très fiables qui améliorent le classement des composés, accélèrent les décisions de synthèse et réduisent les coûts des cycles DMTA, notamment pour les cibles complexes ou nouvelles.
Pourquoi l’énergie libre est importante
L’énergie libre de liaison quantifie la force d’interaction entre un ligand et une protéine cible. La prédiction précise de ces énergies est essentielle pour classer les composés et prioriser leur synthèse lors des premières étapes de la découverte de médicaments. L’un des principaux objectifs de tout projet de découverte de médicaments est de maximiser l’affinité et la sélectivité vis-à-vis de la cible souhaitée. La prédiction précise des énergies libres de liaison protéine-ligand joue donc un rôle important en chimie computationnelle et en conception de médicaments assistée par ordinateur.
Grâce aux progrès récents dans les domaines des champs de force, des algorithmes d’échantillonnage et du calcul GPU basé sur le cloud (GPU et infrastructure cloud), les méthodes basées sur la physique, telles que les calculs alchimiques ou d’énergie libre de liaison relative, se sont révélées prometteuses et sont devenues des outils puissants pour classer et identifier les meilleurs composés dès les premières étapes de la découverte.
Comment fonctionne la NES
Les calculs d’énergie libre de liaison alchimique relative reposent sur des simulations qui interpolent les énergies d’interaction et internes entre paires de molécules. Les données recueillies lors de ces simulations permettent d’estimer la différence d’énergie libre de liaison entre les deux molécules. Parmi les prédictions les plus précises et fiables figurent la perturbation de l’énergie libre (FEP) et la théorie de l’énergie libre d’équilibre (NES).
Nous utilisons la plateforme NES d’OpenEye pour prédire avec une grande précision et efficacité les énergies libres de liaison relatives des complexes protéine-ligand. Hébergée sur l’infrastructure cloud évolutive d’Orion, NES exploite des centaines de processeurs (CPU) et de cartes graphiques (GPU) pour fournir des résultats plus rapidement que les techniques traditionnelles, accélérant ainsi considérablement la sélection des composés. Orion d’OpenEye propose également des algorithmes de cartographie des arêtes flexibles, tels que OELOMAP, Starmap, Binary Starmap et Multi Starmap, adaptés à vos données et à votre ensemble de composés. Ensemble, ces méthodologies vous aident à prioriser les composés les plus prometteurs à synthétiser.
Pourquoi choisir Sygnature Discovery ?
Notre équipe de chimistes computationnels et médicinaux possède une vaste expérience dans la compréhension des calculs d’énergie libre, notamment des NES. Nous avons démontré notre capacité à intégrer avec succès ces connaissances computationnelles dans les décisions de synthèse concrètes.
Nous proposons une méthode rapide et précise pour prédire l’affinité de liaison des ligands, permettant ainsi de prioriser les composés à synthétiser et de réaliser d’importantes économies de temps et d’argent.
Nos solutions
Nous avons appliqué avec succès la NES à des projets basés sur la structure. Dans un projet d’optimisation de composé principal ciblant une kinase, la NES a démontré une forte corrélation avec les données expérimentales (r² = 0,76) et un coefficient de corrélation de rang de 0,71, validant ainsi son pouvoir prédictif. Des études prospectives ont confirmé la fiabilité de la NES pour éliminer les composés à faible potentiel, permettant des gains de temps et de coûts.
Au cours de l’année suivante, la méthode NES a été appliquée prospectivement à plus de 70 composés répartis sur 13 cycles d’analyse, représentant 5 séries chimiques différentes. La méthode NES a atteint un coefficient de corrélation de rang de 0,62. Lors de la classification des composés avec un seuil de ΔG ≤ –10 kcal/mol, la méthode NES a atteint une précision de 0,75 et un coefficient kappa de Cohen de 0,51. À une exception près, tous les composés à haute affinité et de nombreux composés à faible affinité ont été correctement identifiés. Ces résultats démontrent que la méthode NES permet d’éliminer efficacement les candidats peu performants avec un niveau de confiance raisonnable, réduisant ainsi les coûts et les efforts expérimentaux.
FEP contre NES
Dans plusieurs études cibles, nous avons comparé les performances de FEP+ et de NES et constaté que les deux outils offraient une précision comparable.
Centre de ressources
Recherches et ressources connexes
No posts found.
Capacités connexes
Nous vous aidons à concevoir des composés plus intelligents et à prendre des décisions plus rapidement en combinant la modélisation basée sur l’IA, une vaste expertise scientifique et un accès sécurisé et collaboratif aux données pour résoudre des problèmes complexes et accélérer votre processus de découverte de médicaments.
Prédiction de la structure des protéines
L’utilisation d’une IA avancée et de techniques de modélisation éprouvées permet de prédire avec précision les structures protéiques, accélérant ainsi la conception de médicaments basée sur la structure et la découverte de nouvelles thérapies.
possibilités.
Prédiction ternaire des protéines
Nous vous aidons à concevoir et à optimiser avec précision des complexes ternaires, en combinant modélisation avancée et expertise collaborative, rendant ainsi accessibles des cibles auparavant « impossibles à traiter ».
Simulations de dynamique moléculaire
Utilisation de technologies de pointe et de logiciels propriétaires pour découvrir des interactions cachées, prédire la stabilité des ligands et faire des choix de conception éclairés qui accélèrent votre programme de découverte de médicaments.
Intelligence artificielle générative et apprentissage automatique
En combinant la conception pilotée par l’IA, des modèles d’apprentissage automatique sur mesure et la bioinformatique basée sur le LLM avec une collaboration pratique, nous vous aidons à découvrir plus rapidement des candidats médicaments optimisés.
dépistage virtuel
Identifier rapidement des composés prometteurs grâce au criblage virtuel à grande échelle, à des bibliothèques sélectionnées et à un tri par des experts afin d’accélérer les programmes de découverte de médicaments.
Analyse des cibles
Des sites de liaison à la pharmacologie, nos équipes de chimie computationnelle et de science des protéines vous aident à trouver plus rapidement les bons points de départ, en combinant une connaissance approfondie des structures avec des outils de pointe pour concevoir des composés qui font progresser votre projet en toute confiance.
Conception de médicaments basée sur les ligands
Exploiter les propriétés de molécules actives connues pour générer et optimiser rapidement de nouveaux composés grâce à des connaissances basées sur les ligands, des outils alimentés par l’IA et une expertise collaborative afin de découvrir de nouveaux espaces chimiques et d’accélérer les découvertes.
Conception de médicaments basée sur la structure
Nous vous aidons à concevoir de meilleurs composés avec une plus grande confiance. Grâce à des connaissances à l’échelle quantique et à des simulations dynamiques, nous prédisons l’affinité, guidons l’optimisation et vous aidons à identifier plus rapidement les candidats les plus prometteurs.
FAQ
NES est particulièrement adapté à la prédiction des affinités de liaison des petites molécules.
Nous proposons un flux de travail entièrement automatisé pour la prédiction de l’énergie libre de liaison relative. Ce flux comprend plusieurs étapes de modélisation, depuis la préparation des ligands et de la protéine jusqu’à l’amarrage des ligands au site actif de la protéine, en passant par le calcul Edge Mapper et les calculs NES. Ce flux de travail automatisé est entièrement personnalisable en fonction de la cible et de la série chimique.
Nous partageons les fichiers de pose d’amarrage des complexes protéine-ligand, les résultats du mappeur de contours, les trajectoires de simulation MD et les valeurs d’énergie libre de liaison prédites des ligands.
