<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Graeme Robb, Associate Principal Scientist, AstraZeneca
Il numero di potenziali molecole organiche che potrebbero esistere è stimato essere superiore a 10 ^ 60, tuttavia i metodi di screening ad alto rendimento (HTS) sono limitati a 10 ^ 6 - 10 ^ 9 molecole, di cui frequentemente meno di 10 ^ 3 molecole saranno mostra qualsiasi attività biologica desiderata. Affinché questo approccio abbia successo, dobbiamo assicurarci che il nostro sottoinsieme 10 ^ 6 di molecole sia rappresentativo del maggiore 10 ^ 60 set. Tuttavia, le molecole della collezione storica di un'azienda farmaceutica non sono tipicamente rappresentative del maggior spazio chimico. Ci sono mezzi per integrare questo set per essere più rappresentativi? A seguito di questa sfida della scoperta dei farmaci: quali molecole dovremmo progettare successivamente al fine di 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, funzionalità 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 ampi e complessi. In questo modo analizziamo i dati esistenti al fine di determinare cosa fare, in modo da massimizzare l'input per la prossima iterazione, accelerando i progressi nella scoperta dei farmaci.
