Graeme Robb, scienziato associato, AstraZeneca
Si stima che il numero di potenziali molecole organiche che potrebbero esistere sia superiore a 10^60, tuttavia i metodi di screening ad alto rendimento (HTS) sono limitati a 10^6 – 10^9 molecole, di cui spesso meno di 10^3 molecole mostreranno qualsiasi attività biologica desiderata. Affinché questo approccio abbia successo, dobbiamo assicurarci che il nostro sottoinsieme di 10^6 molecole sia rappresentativo del più ampio insieme di 10^60. Tuttavia, le molecole nella collezione storica di un'azienda farmaceutica sono in genere non rappresentative dello spazio chimico più ampio. Esistono modi per integrare questo insieme per renderlo più rappresentativo? In seguito a questa sfida della scoperta di farmaci c'è: quali molecole dovremmo progettare per prime per massimizzare le informazioni e ridurre al minimo la costosa sintesi di nuove molecole? Normalmente uno scienziato dei dati potrebbe prendere in considerazione la progettazione di esperimenti (DOE) per raggiungere questo obiettivo, ma nel mondo multidimensionale delle sostanze chimiche, questo è un compito impegnativo. La combinazione unica di visualizzazioni interattive, capacità DOE e strumenti di manipolazione dei dati all'interno di JMP ci consente di incorporare metodi chimicamente consapevoli per esplorare e valutare sistematicamente set di dati grandi e complessi. In questo modo analizziamo i dati esistenti per determinare cosa fare, in modo da massimizzare l'input per la successiva iterazione, accelerando i progressi nella scoperta di farmaci.
