InductiveBio是利用机器学习 (ML) 加速小分子药物发现化合物优化的领导者，该公司宣布发布其最近与 Nested Therapeutics 合作的方法和成果，Nested Therapeutics 是一家生物技术公司，开创了下一代精准医疗平台，以治疗难以治疗的癌症。ACS 药物化学快报上发表的文章强调了 ML 模型对 ADMET(吸收、分布、代谢、排泄和毒性)的关键作用，以及计算效力预测对优先考虑合成目标和提高设计质量的关键作用。
小分子的多参数优化是一个昂贵、耗时且风险高的过程，其中必须平衡药效与 ADMET 特性才能获得可行的候选药物。两家公司将 Inductive 的 ADMET 基础模型与 Nested 的计算平台相结合，前者利用在专有 ADMET 数据集上训练的最先进的深度学习方法，后者用于预测隐秘口袋中化合物的药效。这种协作方法使 Nested 能够减少合成化合物的数量并加速先导化合物的优化过程。
Nested Therapeutics 执行副总裁兼药物研发主管 Yongxin Han 表示：“将 Inductive Bio 的 ADMET 模型整合到 Nested 的预测平台中，有助于我们优先考虑具有最佳药物特性的设计。”
Nested Therapeutics 执行副总裁兼药物研发主管Yongxin Han表示：“将 Inductive Bio 的 ADMET 模型整合到 Nested 的预测平台中，有助于我们优先考虑具有最佳药物特性的设计。这使我们能够快速迭代和优化先导化合物，并解决关键的 ADMET 挑战。”
Inductive Bio 联合创始人兼首席执行官Josh Haimson表示：“我们对与 Nested Therapeutics 合作的成果感到非常自豪。该出版物强调了 ML 模型对 ADMET 在加速药物优化方面的影响，并为其他旨在采用类似方法的人提供了一个实用框架。我们期待继续支持我们的合作伙伴实现他们的药物发现目标。”