小分子药物发现

我们的药物发现服务主要聚焦苗头化合物筛选、先导化合物产生、先导化合物优化,以获得高质量的临床前候选分子(Pre-clinical candidate,PCC)为最终目标。利用晶泰科技的智能药物研发平台,我们致力于改变传统药物发现与开发方法,赋能国内外药物创新。

我们的智能药物研发平台整合了一条高效、完善的药物发现迭代流程,包括AI算法生成分子,全面评估选择性、ADMET、合成难度等关键类药性质,计算化学预测分子间相互作用,合成与验证实验等几大关键步骤。晶泰科技药物发现与设计工作流程示意如下:

广泛的化学结构采样

首先,针对特定的靶点,我们通过AI算法在超大规模的化学空间中进行采样,生成千万级别的算法预测为与已知靶点有较强潜在活性的类药分子候选、适于进入下一评估环节的分子。这一方法与传统研发相比,可以更加深度地探索更为广泛的化学空间,在针对“难成药靶点”的药物发现中具备更高的成功率,更容易筛出高质量的理想候选分子。

预测关键类药性质

下一步,我们部署多种AI预测算法,针对影响药物研发成功率的的关键类药性质进行多目标优化,包括溶解度和吸收、分配、代谢、排泄、毒性等,这当中的一些性质在传统研发中只能等到研究后期才可进行实验探索。候选药物分子的最优性质配置指的是分子在多个成药相关的性质之间实现符合一定标准的平衡,这些性质包括效力、选择性、溶解度、生物有效性、半衰期、渗透、药物相互作用、合成难度、毒性等等。我们将药物设计视为多目标函数的优化项目,因为有些性质往往互成反比关系,一个指标获得优化时,另一个就会变差。实现药物分子最优性质配置的过程中充满困难和不确定性,同时,关键的药物性质和相关风险在研发晚期才能获得充分研究,而传统药物发现中可以探索的化学空间十分有限,这些瓶颈问题往往使得并不理想的药物候选分子在研发管线中一步步前进,最终以失败告终,并给药企带来损失。因此我们认为,在投入相对较少的研发早期就及时探知失败风险可以显著提高药企的创新效率,节省研发投入,并提高药物发现的成功率。我们的预测可以准确锁定一小批具有理想药物性质的分子候选。我们的算法与预测流程保证我们能够推荐足够的分子进行快速精确的实验验证,且在有一定预测误差和假阳性的前提下,仍能保证我们有足够多的分子的整体性质达到标准。

实验验证

最后,我们通过湿实验合成算法所推荐的一小组分子候选,并对其关键性质进行验证和探索。晶泰科技的标准合成实验将越来越多地应用高通量方法,从而进一步降低研发成本,提高实验能力与可重复性。

整体上,我们相信晶泰科技的药物发现解决方案有机会帮助客户针对更具难度的靶点找到更高质量的候选分子,提高药物发现的速度与规模,实现比传统研发方法更高的成功率。