Cerellaは創薬データから新たな価値を創出し、プロジェクトに最適な化合物や最も価値ある実験に関する隠れた知見を明らかにします。
確信を持って予測を行い、特に他の手法では予測できない高コストな下流実験において、欠損値を正確に補完します。これにより、データが乏しく限られている場合でも、より多くの成果を上げることが可能になります。
探索すべき化学空間と実施すべき実験が無限にある中で、最良の化合物を選び、リソースを優先順位付けするにはどうすればよいでしょうか?
これにエラーや不確実性が避けられないという事実が加わると、次の課題が生まれます――入手したデータをどう信頼すればよいのか?
高品質な候補薬を迅速に発見することがいかに重要であるかは、皆様もご存知でしょう。合理化されたワークフローは不可欠ですが、複雑な構造活性相関、隠れた作用機序、そして有害事象の経路が存在するため、どの化合物を開発すべきか、どの実験を中止できるかを見極めるのは困難です。
競争優位性を獲得したいですか?
Cerellaをご紹介します。プロジェクトを加速し、意思決定を導き、目標達成に最適な化合物を特定する、展開可能なAIです。
機械学習とAIを研究開発に統合することで、有望な化合物を特定し、その特性を迅速に最適化することで、パイプラインの加速を図ります。私たちは、農家向けの持続可能なソリューション開発方法に革命を起こし、世界の食料安全保障を強化することを目指しており、Optibriumのソフトウェアソリューションがその実現を可能にすると確信しています。
Dr. Seva Rostovtsev, Executive VP and CTO, FMC
深層学習が生物活性やその他の特性の予測精度をいかに変革したか、そしてその結果が実験の優先順位付けを導くためにどのように活用できるかを探ります。
CerellaがAstraZenecaにおいて、in vitroデータをin vivoでのコスト削減にどう結びつけたかをご覧ください。
Molecular Pharmaceuticsに掲載されています
Constellation Pharmaceuticalsが不活性化合物を特定することで「12人の化学者が2か月かけて行う作業量」を削減した事例をご覧ください。
FMCが購入とスクリーニングの意思決定を導くためにCerellaをどのように活用したかをご覧ください。
CerellaがInternational Flavors & Fragrancesのために、複雑な生体内感覚応答をいかに正確に予測したかをご覧ください。
必要なアッセイ数を76%削減。CerellaがGenentechのキナーゼプログラムをどう変革するかをご覧ください。
CerellaがOSMコンペティションにおいて、実験的に活性が証明された唯一の化合物をどのように発見できたのかを学びましょう。
Journal of Medicinal Chemistryに掲載されています
深層学習が生物活性やその他の特性の予測精度をいかに変革したか、そしてその結果が実験の優先順位付けを導くためにどのように活用できるかを探ります。
Applied AI Lettersに掲載されています
当社の協力企業において、限られたin vitro ADMEデータから正確なin vivo PKプロファイルを取得するために、Cerellaがどのように貢献したかをご覧ください。