독성에 대해 막연히 추측하는 것을 그만두고, 이를 고려한 설계를 시작하세요

Predictive Tox는 Schrödinger이 제공하는 물리학 기반 솔루션으로, hERG, CYP 및 핵수용체 상호작용과 같은 독성 관련 위험 요인이 신약 개발 프로그램을 차질 없이 진행하기 전에 이를 식별하고 합리적으로 해결하도록 돕습니다. 이 솔루션은 FEP+ 와 IFD-MD를 비롯한 동종 최고 수준의 예측 모델을 결합하여 원자 수준의 독성 원인 규명을 제공하고, 구조-활성 관계( 구조-활성 상관 관계 , SAR)를 합리적으로 설명합니다.

리간드를 업로드하고, 알려진 독성 표적을 대상으로 한 가상 스크리닝에 제출하세요. Predictive Tox는 단순히 위험성이 존재하는지 여부뿐만 아니라, 어떤 원자나 부분 구조가 그 원인이 되는지까지 보여주는 실용적이고 포괄적인 분석 결과(일반적으로 24시간 이내)를 제공하므로, 귀사의 팀은 문제를 뒤늦게 발견하는 대신 이를 고려하여 설계할 수 있습니다.

2026-3 릴리스 기준, Predictive Tox는 스크리닝 모드에서 총 76개의 표적을 제공합니다. 여기에는 키나아제, GPCR, 브로모도메인, 핵 호르몬 수용체 등이 포함됩니다. 또한, SAR 데이터 제공이 필요한 주요 항표적(예: hERG, CYP3A4, CYP2C9, CYP3D6, PXR 등)도 지원됩니다. 저희 팀은 대상 범위를 확대하기 위해 적극적으로 노력하고 있으니, 최신 정보는 담당 계정 관리자에게 문의해 주시기 바랍니다.

경직된 훈련 데이터 세트에 크게 의존하는 블랙박스형 QSAR/ML 분류기나 오픈소스 도구와 달리, Predictive Tox는 물리 기반 방법(FEP+ , IFD-MD)을 활용하여 문제가 되는 리간드-단백질 상호작용의 명확한 3D 구조를 제공합니다. 이러한 원자 수준의 원인 분석은 분자가 왜 위험 신호를 받게 되었는지 설명해 주므로, 화학자들은 단순한 라이브러리 선별 대신 합리적이고 정밀한 재설계를 수행할 수 있습니다. 또한, 실험적 검증 결과 “대조군 대비 비율(Percent of Control, POC)”과 같은 경쟁 지표는 최대 3 로그 단위의 불확실성을 내포하는 반면(예: 1% POC는 1 nM에서 1 µM까지의 범위를 가질 수 있음), Predictive Tox는 명확한 열역학적 결합 가설을 제시합니다.

Yes. Predictive Tox incorporates validated absolute binding free energy perturbation (AB-FEP) thermodynamic models that compare ligand binding affinities between active and inactive receptor states. A favorable calculated binding free energy to the active state versus the inactive state (𝚫 Gactive < 𝚫 Ginactive) serves as a strong, actionable predictor that a ligand will function as an agonist rather than an antagonist.

Predictive Tox는 크레딧 기반의 SaaS 솔루션으로 제공됩니다.

아닙니다. 이 기술은 여러분이 이미 활용하고 계신 ‘ FEP+ ’ 및 ‘IFD-MD’와 같은 기본 기법을 기반으로 하며, 이를 빠르고 집중적인 스크리닝 워크플로로 구성한 것입니다. 이 기술은 기존의 ‘ lead optimization ’ 및 구조 기반 설계 작업을 대체하는 것이 아니라, 이를 보완해 줍니다.

네, 저희 팀은 패널에 새로운 안티타겟을 적극적으로 추가하고 있습니다. 최신 정보를 확인하시려면 담당 Schrödinger 계정 관리자에게 문의해 주시기 바랍니다.

데모를 예약하거나 Schrödinger 담당자에게 문의하여 시작해 보세요.