Graeme Robb, scientifique principal associé, AstraZeneca
Le nombre de molécules organiques potentielles est estimé à plus de 10^60. Pourtant, les méthodes de criblage à haut débit (HTS) sont limitées à 10^6 – 10^9 molécules, dont souvent moins de 10^3 molécules présenteront l'activité biologique souhaitée. Pour que cette approche soit efficace, nous devons nous assurer que notre sous-ensemble de 10^6 molécules est représentatif de l'ensemble plus vaste de 10^60. Cependant, les molécules de la collection historique d'une entreprise pharmaceutique ne sont généralement pas représentatives de l'espace chimique global. Existe-t-il des moyens de compléter cet ensemble pour le rendre plus représentatif ? Le défi de la découverte de médicaments se pose : quelles molécules concevoir ensuite pour maximiser l'information et minimiser la synthèse coûteuse de nouvelles molécules ? Normalement, un data scientist envisagerait un plan d'expériences (DOE) pour y parvenir, mais dans le monde multidimensionnel de la chimie, c'est une tâche complexe. La combinaison unique de visualisations interactives, de fonctionnalités de DOE et d'outils de manipulation de données au sein de JMP nous permet d'intégrer des méthodes chimiques pour explorer et évaluer systématiquement des ensembles de données volumineux et complexes. Nous analysons ainsi les données existantes afin de déterminer les actions à entreprendre et d'optimiser les apports pour la prochaine itération, accélérant ainsi les progrès dans la découverte de médicaments.
