현대 신약 개발에서 가장 큰 과제는 과학적 엄밀성을 조직 차원의 규모와 속도로 전환하는 것입니다. FEP+ 는 예측 능력 면에서 최고의 기준을 제시하지만, 도입이 사일로화되어 있다면 그 잠재력을 온전히 발휘할 수 없습니다. 미개척된 잠재력을 활용하고 자원 낭비를 없애기 위해서는, 먼저 진정한 ‘예측 우선(predict-first)’ 기업으로의 전환을 가로막고 있는 프로젝트 전반의 병목 현상과 분절화 문제를 해결해야 합니다.

이번 세션에서는 전문가 사용자들의 경험을 바탕으로, ‘ FEP+ ’ 구현의 다양한 단계와 각 단계에서 성공을 거두기 위해 필요한 아키텍처적 지원에 대해 자세히 소개하겠습니다. 특히 AI/ML 워크플로우와의 통합을 통한 적절한 배포가 탐색 속도를 근본적으로 변화시켜, 전체 화학 공간 매핑과 인실리코 다중 매개변수 최적화(MPO)를 가능하게 하는 방식을 보여드리겠습니다. 이러한 전략은 프로젝트 팀 전체의 역량을 강화하여 예측적 통찰력을 널리 공유하고, 병목 현상을 해소함으로써 더 나은 신약을 더 빠르게 설계할 수 있도록 돕습니다.

저희와 함께 ‘ FEP+ ’의 조직적 영향력을 극대화하고, 전산 기반 신약 개발 및 비즈니스 목표의 잠재력을 최대한 발휘할 수 있는 전략을 수립해 보시기 바랍니다.

웨비나 하이라이트

•  FEP+ 배포의 다양한 단계에 대한 소개로, 초기 사용부터 완전한 기업 통합에 이르기까지의 구현 과정을 안내합니다.
•  FEP+ 를 AI/ML 워크플로우와 통합함으로써 화학 공간 탐색 및 최적화가 어떻게 기하급수적으로 가속화되는지에 대한 논의
•  Schrödinger의 치료제 개발 그룹 성공 사례에서 볼 수 있듯이, FEP+ 의 확장성을 통해 병목 현상을 해소하고 전체 프로젝트 팀이 DMTA 주기를 가속화할 수 있도록 지원하는 방법을 시연합니다.