Rusinko 等人的应用说明 "AIDDISON: Empowering Drug Discovery with AI/ML and CADD Tools in a Secure, Web-Based SaaS Platform "发表在《化学信息与建模杂志》（Journal of Chemical Information and Modeling）2024 期上。

药物发现的格局正在迅速演变，这在很大程度上要归功于人工智能（AI）、机器学习（ML）和先进的化学信息学工具的整合。该出版物重点介绍了AIDDISON™ AI-Powered Drug Discovery，这是一个基于网络的安全平台，汇集了 AI/ML 和计算机辅助药物设计 (CADD) 工具，可加速候选新药的鉴定和优化。AIDDISON™ 的与众不同之处在于其直观的界面，它降低了那些可能不擅长计算方法的科学家的门槛，使更多的研究人员能够接触到最前沿的药物发现技术。

AIDDISON™ 的工作流程首先是利用公共数据库中的相似性搜索、二维药效筛选和使用生成模型的全新分子设计等各种来源，生成或识别数千个可行的分子。然后，该平台应用基于性质的筛选、分子对接和基于形状的配准，优先选择具有最高生物活性概率和最佳 ADMET（吸收、分布、代谢、排泄和毒性）特征的分子。关键创新之一是与^SYNTHIA©逆合成软件的无缝集成，使用户能够立即评估有前景分子的合成可及性，并确定实验室合成所需的试剂。

这一集成方法的威力在一个案例研究中得到了证明，该案例研究的重点是具有潜在抗癌活性的一类分子--坦克yr酶抑制剂。从已知的抑制剂开始，AIDDISON™ 的生成模型和虚拟筛选探索了广阔的化学空间，产生了一系列不同的候选分子。然后对这些候选分子进行筛选并与目标蛋白质对接，最有希望的结构被送往^SYNTHIA©进行逆合成分析。与传统方法相比，这种工作流程不仅加快了新颖的、可合成的先导化合物的鉴定速度，还能对化学空间进行更彻底的探索。

对于希望简化药物发现流程的科学家和机构来说，AIDDISON™ 和^SYNTHIA©的结合提供了一个强大、用户友好的解决方案。通过缩小虚拟分子设计与实际合成设计之间的差距，这些工具使化学家能够更快、更自信地进行创新，最终更高效地将新疗法推向市场。

阅读全文


AIDDISON™：
Andrew Rusinko、Mohammad Rezaei、Lukas Friedrich、Hans-Peter Buchstaller、Daniel Kuhn 和 Ashwini Ghogare；Journal of Chemical Information and Modeling2024 64 (1), 3-8
DOI: 10.1021/acs.jcim.3c01016