Modéliser, simuler, prédire → chimie computationnelle intégrée à l'apprentissage automatique
Le groupe de conception de médicaments assistée par ordinateur (CADD, computer-aided drug design) de Paraza est équipé à la fine pointe de la technologie pour la création de médicaments in silico. Nos scientifiques expérimentés et créatifs du groupe de CADD exploitent la chimie computationnelle et l’apprentissage automatique pour soutenir et accélérer les processus de découverte et de développement des médicaments. Nos compétences vont de la conception de médicaments basés sur la structure, les ligands et les fragments (SBDD, LBDD, FBDD, structure/ligand/fragment-based drug design) à la dynamique moléculaire et la mécanique quantique, en passant par le criblage virtuel et la modélisation de protéines, le tout adapté aux besoins particuliers de votre projet. Nous intégrons de manière fluide l’apprentissage automatique à la chimie computationnelle pour en tirer des informations et des prédictions utiles sur l’activité, la sélectivité et les propriétés moléculaires. Nous collaborons également avec les partenaires IA de Paraza pour mener une étude pilote et évaluer les plates-formes ML de pointe qui pourrait faciliter les projets de découvertes de médicaments.
Témoignage
client
« ... ce travail supplémentaire est le résultat direct du service extraordinaire que Paraza Pharma nous a fourni dans le cadre de ce projet. Veuillez accepter notre plus profonde appréciation des efforts héroïques que vous avez déployés au cours de la réunion de ces dernières semaines. »
Un soutien collaboratif à la conception de médicaments in silico
Notre groupe de CADD travaille en étroite collaboration avec les clients et avec les groupes de chimie, de biologie et de DMPK de Paraza pour fournir à toutes les parties prenantes des informations tirées des calculs in silico et les aider à améliorer l’affinité, la sélectivité et les propriétés d’absorption-distribution-métabolisme-excrétion (ADME). Nous mettons tout en œuvre pour tirer le meilleur parti de la conception rationnelle des médicaments et nous explorons constamment de nouvelles méthodes de calcul pour contribuer à l’avancement des projets de recherche de médicaments. Nous offrons des services de CADD à tarif mensuel (FTE) ou forfaitaire couvrant l’identification de composés actifs, l’identification de têtes de série et leur optimisation.
Identification de composés actifs
- Modélisation par homologie
- Prédiction du site de liaison
- Criblage virtuel fondé sur la structure
- Criblage virtuel fondé sur les ligands
- Génération de modèle d’amarrage (docking)
Identification de têtes de série
- Conception fondée sur la structure, les ligands et les fragments
- Criblage fondé sur la recherche par similarité
- Énumération de chimiothèques combinatoires
- Amarrage/amarrage par déformation induite (induced-fit docking)
- Élucidation et criblage de pharmacophores
Optimisation des têtes de série
- Simulations de dynamique moléculaire
- Simulations de mécanique quantique
- Rationalisation des données de relation structure-activité (SAR)
- Modélisation QSAR/QSPR
- Modélisation de la sélectivité
Apprentissage automatique/apprentissage profond
- Modèles de perméabilité globale et locale optimisés et validés
- Prédictions de l’activité/des propriétés à l’aide de DeepChem/AutoQSAR
- Criblage virtuel fondé sur l’amarrage à apprentissage actif
- Évaluation de l’énergie des conformères par réseau neuronal d’apprentissage profond
