Graeme Robb, científico principal asociado de AstraZeneca
Se estima que el número de moléculas orgánicas potenciales que podrían existir es más de 10^60, sin embargo, los métodos de cribado de alto rendimiento (HTS) están restringidos a 10^6 – 10^9 moléculas, de las cuales con frecuencia menos de 10^3 moléculas mostrarán alguna actividad biológica deseada. Para que este enfoque tenga éxito, debemos asegurarnos de que nuestro subconjunto de 10^6 moléculas sea representativo del conjunto más grande de 10^60. Sin embargo, las moléculas en la colección histórica de una compañía farmacéutica normalmente no son representativas del espacio químico más grande. ¿Hay medios para complementar este conjunto para que sea más representativo? Siguiendo con este desafío del descubrimiento de fármacos es: ¿Qué moléculas deberíamos diseñar a continuación para maximizar la información y minimizar la síntesis costosa de nuevas moléculas? Normalmente, un científico de datos podría considerar el diseño de experimentos (DOE) para lograr esto, pero en el mundo multidimensional de los productos químicos, esta es una tarea desafiante. La combinación única de visualizaciones interactivas, capacidades de DOE y herramientas de manipulación de datos de JMP nos permite incorporar métodos con conocimiento químico para explorar y evaluar sistemáticamente grandes conjuntos de datos complejos. De esta forma, analizamos los datos existentes para determinar qué producir y maximizar la información para la siguiente iteración, acelerando así el progreso en el descubrimiento de fármacos.
