<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Graeme Robb, scientifique associé principal, AstraZeneca
Le nombre de molécules organiques potentielles pouvant exister est estimé à plus de 10 ^ 60, mais les méthodes de criblage à haut débit (HTS) sont limitées à 10 ^ 6 - 10 ^ 9 molécules, dont fréquemment moins de 10 ^ 3 molécules montrer toute activité biologique désirée. Pour que cette approche soit réussie, nous devons nous assurer que notre 10 ^ 6 sous-ensemble de molécules est représentatif du plus grand ensemble 10 ^ 60. Cependant, les molécules de la collection historique d'une société pharmaceutique ne sont généralement pas représentatives du plus grand espace chimique. Existe-t-il des moyens de compléter cet ensemble pour être plus représentatif? Dans le prolongement de ce défi de la découverte de médicaments, quelles molécules devons-nous concevoir ensuite afin de maximiser les informations et de minimiser la synthèse coûteuse de nouvelles molécules? Normalement, un scientifique de données pourrait envisager la conception d'expériences (DOE) pour atteindre cet objectif, mais dans le monde multidimensionnel des produits chimiques, la tâche est ardue. La combinaison unique de visualisations interactives, de capacités DOE et d'outils de manipulation de données au sein de JMP nous permet d'intégrer des méthodes sensibles aux produits chimiques permettant d'explorer et d'évaluer systématiquement des ensembles de données volumineux et complexes. De cette manière, nous analysons les données existantes afin de déterminer ce qu’il faut faire, de manière à maximiser les contributions pour la prochaine itération, en accélérant les progrès en matière de découverte de médicaments.
