更准确的代谢模型是剑桥-爱沙尼亚研究的核心

快速阅读: 《商业周刊》消息，该项目旨在开发更精确的代谢模型，减少实验依赖，提升药物发现效率与可持续性。研究将结合机器学习与物理方法，并集成至StarDrop平台。该合作由欧盟资助，支持绿色化学目标。

这项研究项目将专注于开发更精确的代谢模型，以减少对昂贵实验室实验的依赖，同时提高药物发现的速度、效率和可持续性。博士研究将解决现代药物开发中的一个关键需求。为了克服可用实验数据有限的问题，现有的预测模型采用混合方法，结合机器学习与基于物理的方法。这个研究项目将专注于开发更精确的代谢模型，以减少对昂贵实验室实验的依赖，同时提高药物发现的速度、效率和可持续性。最精确的基于物理的方法计算成本太高，无法常规应用，因此有必要使用更快但精度较低的近似方法。该项目旨在用更高效且精确的机器学习原子间势能（MLIPs）来取代这些方法。这些改进的模型将使制药团队更好地识别与药物代谢相关的风险，并指导合成最优化合物的设计，节省时间并降低成本，同时使其工作符合绿色化学原则。这项研究将专门针对药物样分子的MLIPs以及由细胞色素P450酶介导的代谢，这类酶负责70-80%所有小分子药物的代谢。所开发的模型将直接集成到Optibrium的StarDrop™平台中，提升公司在现实世界药物发现应用中的预测能力。这种整合确保了直接的实用性，并使Optibrium能够为寻求高效和可持续药物开发解决方案的制药公司提供更大的价值。该合作是玛丽·斯克沃多夫斯卡-居里行动（MSCA）COFUND计划INNOCHEMBIO的一部分，由欧盟委员会于2025年资助。这一举措通过培训未来的可持续化学和生物技术专家，支持欧盟“绿色协议”目标。INNOCHEMBIO将共同资助15个博士职位，目前第一轮申请已开放。Optibrium首席科学家、塔林理工大学高级研究员Mario Öeren表示：“产学研合作为博士生提供了深入了解现实世界挑战的独特见解，同时确保他们的研究具有立即的实际影响。我们开发的模型将直接提升我们支持制药研究人员在药物发现早期做出更明智决策的能力。”Optibrium首席执行官Matthew Segall补充道：“通过支持下一代科学家，我们不仅推动了个人职业发展，还建立了克服药物发现领域下一个重大挑战所需的专长。更快、更精确的预测模型使团队能更有效地运作，同时减少浪费并节约资源。”

(以上内容均由Ai生成)