Graeme Robb, Associate Principal Scientist, AstraZeneca
Die Zahl potenzieller organischer Moleküle wird auf über 10^60 geschätzt, doch Hochdurchsatz-Screening-Methoden (HTS) sind auf 10^6 – 10^9 Moleküle beschränkt, von denen häufig weniger als 10^3 Moleküle die gewünschte biologische Aktivität zeigen. Damit dieser Ansatz erfolgreich ist, müssen wir sicherstellen, dass unsere 10^6-Teilmenge an Molekülen repräsentativ für die größere Menge von 10^60 ist. Die Moleküle in der historischen Sammlung eines Pharmaunternehmens sind jedoch in der Regel nicht repräsentativ für den größeren chemischen Raum. Gibt es Möglichkeiten, diese Menge zu ergänzen, um sie repräsentativer zu machen? Aus dieser Herausforderung der Arzneimittelforschung folgt: Welche Moleküle sollten wir als Nächstes entwickeln, um den Informationsgehalt zu maximieren und die kostspielige Synthese neuer Moleküle zu minimieren? Normalerweise würde ein Datenwissenschaftler hierfür die statistische Versuchsplanung (DOE) in Betracht ziehen, doch in der multidimensionalen Welt der Chemikalien ist dies eine anspruchsvolle Aufgabe. Die einzigartige Kombination aus interaktiven Visualisierungen, DOE-Funktionen und Datenmanipulationswerkzeugen in JMP ermöglicht es uns, chemisch fundierte Methoden zu integrieren, um große, komplexe Datensätze systematisch zu untersuchen und zu bewerten. Auf diese Weise analysieren wir die vorhandenen Daten, um die notwendigen Maßnahmen zu ermitteln und so den Input für die nächste Iteration zu maximieren und den Fortschritt in der Arzneimittelforschung zu beschleunigen.
