<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Graeme Robb, Associate Principal Scientist, AstraZeneca
Die Zahl der potentiellen organischen Moleküle, die existieren könnten, wird auf mehr als 10 60 geschätzt, die Hochdurchsatz-Screening-Verfahren (HTS) sind jedoch auf 10 6 bis 10 9 Moleküle beschränkt, von denen häufig weniger als 10 3 Moleküle sind zeigen jede gewünschte biologische Aktivität. Damit dieser Ansatz erfolgreich ist, müssen wir sicherstellen, dass unsere 10 ^ 6-Teilmenge der Moleküle 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, dieses Set zu ergänzen, um repräsentativer zu sein? Dieser Herausforderung der Wirkstoffforschung folgt: Welche Moleküle sollten wir als nächstes entwerfen, um die Information zu maximieren und die kostspielige Synthese neuer Moleküle zu minimieren? Normalerweise erwägt ein Datenwissenschaftler möglicherweise das Design of Experiments (DOE), um dies zu erreichen. In der mehrdimensionalen Welt der Chemikalien ist dies jedoch eine anspruchsvolle Aufgabe. Durch die einzigartige Kombination aus interaktiven Visualisierungen, DOE-Funktionen und Datenmanipulationswerkzeugen in JMP können chemisch bewusste Methoden integriert werden, um große, komplexe Datensätze systematisch zu untersuchen und zu bewerten. Auf diese Weise analysieren wir die vorhandenen Daten, um zu bestimmen, was gemacht werden soll, um den Input für die nächste Iteration zu maximieren und den Fortschritt bei der Wirkstoffsuche zu beschleunigen.
