Serdecznie zapraszamy na Śniadanie Klastra, które odbędzie się na żywo w firmie Selvita, której chyba nikomu nie trzeba przedstawiać. Nasz wieloletni Partner, to jedna z czołowych polskich firm biotechnologicznych, specjalizująca się w badaniach nad nowymi lekami, w tym usługach z zakresu chemii medycznej i biologii molekularnej. Firma współpracuje z globalnymi partnerami, wspierając rozwój innowacyjnych terapii, szczególnie w obszarze onkologii.
Temat naszego spotkania brzmi: Rozszyfrowanie kodu odkrywania leków: zastosowanie uczenia maszynowego w projektowaniu bibliotek związków. Porozmawiamy o aktywności związków chemicznych względem specyficznych celów biologicznych. Poprowadzą je Szymon Czaplak – Senior Machine Learning Specialist, Fabrizio Ambrogi – Senior Machine Learning Specialist.
Weryfikacja aktywności związków chemicznych względem specyficznych celów biologicznych poprzez doświadczenia laboratoryjne jest zarówno czasochłonna, jak i kosztowna, lecz jednocześnie niezbędna. Aby optymalnie wykorzystać dostępne zasoby, kluczowe jest opracowanie bibliotek związków profilowanych pod konkretny target biologiczny.
Podczas spotkania przedstawiony zostanie model głębokiego uczenia zdolny do przeprowadzania wirtualnych badań przesiewowych o wysokiej przepustowości, który charakteryzuje się większą szybkością i dokładnością w porównaniu z istniejącymi metodami, w tym oprogramowaniem komercyjnym. Model (TADAM, ang. Target-Aware Drug Activity Model) osiąga wyniki state-of-the-art, umożliwiając tworzenie podzbiorów kombinatorycznych bibliotek celowanych pod konkretny target biologiczny. Badania takich zbiorów znacznie zwiększają prawdopodobieństwo identyfikacji związków aktywnych.
Co więcej, firma opracowała dodatkowy model do przewidywania optymalnych warunków dla reakcji chemicznych (reakcje amidowania i Suzuki), ułatwiając syntezę bibliotek celowanych. Poprzez uszeregowanie katalizatorów, reagentów i rozpuszczalników pod kątem optymalnej wydajności w oparciu o substraty, ich podejście zapewnia wydajną i efektywną syntezę. Dodatkowo, model ten potrafi grupować etapy reakcji w grupy do syntezy równoległej, przyśpieszając cały proces. Łącznie, te osiągnięcia stanowią znaczący postęp we wczesnym etapie odkrywania leków, oferując bardziej wydajne i ukierunkowane podejście do projektowania i syntezy bibliotek związków.
Model TADAM jest teraz częścią usług, które Selvita oferuje swoim klientom.
Model został opracowany w ramach projektu pt. „Stworzenie platformy ProBiAl do produkcji celowanych bibliotek związków biologicznie czynnych z wykorzystaniem uczenia maszynowego, integrującej projektowanie, syntezę równoległą i automatyczne oczyszczanie przy wykorzystaniu sztucznej inteligencji, w celu przyspieszenia procesu odkrywania leków” dofinansowanego z Funduszy Unijnych w ramach Programu Inteligentny Rozwój 2014-2020.
Zapraszamy do uczestnictwa. Warto zapoznać się na żywo z ofertą firmy. Spotkanie odbędzie się w języku angielskim.
Czekamy na Państwa 10 października w siedzibie firmy, przy ul. Podole 79, sala nr A3.046 – Kraków (III piętro). Zapisy przyjmowane są poprzez formularz online. Serdecznie zapraszamy!
Wersja angielska abstraktu:
Title: Cracking the Code of Drug Discovery: Machine Learning in Compound Library Design
Abstract:
The process of verifying the activity of compounds against specific protein targets through physical assays is both time-consuming and costly, yet essential. To optimize resource allocation, it is crucial to develop compound libraries that are specifically targeted. In this study, we present a deep learning model capable of performing virtual high-throughput screening with superior speed and accuracy compared to existing methods, including commercial software. Our Target-Aware Drug Activity Model (TADAM) achieves state-of-the-art results, enabling the creation of ranked subsets from extensive compound libraries, thereby significantly increasing the likelihood of identifying active compounds.
Furthermore, we have developed a secondary model to predict optimal conditions for chemical reactions (Amide and Suzuki couplings), facilitating the synthesis of these libraries. This model can cluster reaction steps into parallel batches, optimizing the synthesis process. By ranking catalysts, reagents, and solvents for optimal yield based on the reactants, our approach ensures efficient and effective synthesis. Together, these advancements represent a significant improvement in early drug discovery, offering a more efficient and targeted approach to compound library design and synthesis.
We have successfully integrated the reaction prediction model in our everyday lab work and continue to develop it further. The TADAM model is now a part of Selvita’s services that we are offering to our clients.
These models were developed as part of the ProBiAI project, made possible by a grant from the National Centre for Research and Development of Poland within the Smart Grow Operational Programme 2014-2020.
Temat: Rozszyfrowanie kodu odkrywania leków
Data: Czwartek, 10 października 2024, godz. 9:00 – 10:00
Miejsce: Selvita, ul. Podole 79, sala nr A3.046 – Kraków
Dodaj do swojego kalendarza: Google Calendar | Outlook Calendar | Office 365 Calendar
Jesteś zainteresowany współpracą z firmą Selvita? Dowiedz się więcej w profilu organizacji na Platformie Współpracy LSOS.