FEB 11, 2026
RetroSynth：AIと物理ベースのモデリングで合成のボトルネックを乗り越える
シュレーディンガーのAI駆動型合成計画プラットフォーム「RetroSynth」を新たにご紹介する動画です。RetroSynthは、高度な深層学習アルゴリズムを活用することで、従来の逆合成解析を加速し、スケーラブルにするよう設計されています。
本プラットフォームは、分散型クラウドネイティブのモンテカルロ木探索（MCTS）アーキテクチャを使用して極めて網羅的な探索を実行し、最適かつ正確で、費用対効果の高い合成ルートを予測・スコアリングします。複雑なターゲット化合物から実行可能な合成計画への移行を、正確かつ効率的に支援します。リアルタイムのビルディングブロックデータとAI、そして物理ベースのモデリングを統合することで、RetroSynthは数百万ものde novoデザインされた分子に対する正確な逆合成解析を可能にし、ヒット同定およびリード最適化におけるプロジェクトの大幅な加速とコスト削減をもたらします。
本ウェビナーでは、以下の内容について詳しく解説いたします。
- RetroSynthの紹介：当社のプロダクトマネージャーが、RetroSynthの仕組みや、従来の逆合成解析ソリューションに対する優位性について詳しく解説します。
- ライブデモ：RetroSynthが実際に動作する様子をご覧いただけます。
■ 対象となるお客様
- メディシナルケミスト（創薬化学者）：リード最適化とSAR（構造活性相関）探索を加速させたい方
- プロセスケミスト：開発の初期段階で、スケールアップ可能かつ費用対効果の高い合成ルートを特定することに注力している方
- 計算化学者：標準的な研究開発ワークフローへのML（機械学習）/AIフレームワークの統合に関心のある方
- 研究開発ITディレクター：化学合成向けのエンタープライズクラスのケモインフォマティクス・ソリューションを評価・検討している方
■本動画の視聴にあたり、以下の点にご留意ください。
- 自動翻訳字幕の制限： 本動画の字幕は自動翻訳を用いて生成されています。 専門用語等、不自然な表現や、不正確な訳出が含まれる可能性がございます。
- 詳細情報の参照： 厳密な背景や詳細については、直接弊社までお問い合わせください。
Our Speakers
Aditya Kaushik
Senior Scientist II, Life Science Software, Schrödinger
機械学習（ML）リサーチサイエンティストであり、シュレーディンガーにおける生成デザインおよび逆合成技術のリード開発者。進行中の創薬プログラムにおけるDMTA（Design-Make-Test-Analyze：設計・合成・評価・解析）サイクルを加速し最適化するための機械学習アプローチの研究、開発、および統合に注力しています。ジョンズ・ホプキンス大学にてコンピュータサイエンスおよび化学・生体分子工学を二重専攻し、理学士号（B.S.）を取得しました。
Sathesh Bhat
Executive Director, Therapeutics Group, Schrödinger
セラピューティクス・グループのエグゼクティブ・ディレクターとして、2011年にシュレーディンガーに入社。社内および提携先の創薬プログラムにおける計算化学分野の取り組みを統括しています。前職では、Merck社およびEli Lilly社で複数の創薬プログラムにおいて計算化学チームを牽引しました。マギル大学にて、結合自由エネルギーを予測するための構造ベースの手法の開発に関する研究で博士号（Ph.D.）を取得しています。複数の特許および論文の共同執筆者であり、計算化学の幅広いトピックについて継続的に論文を発表しています。
【留意点】
- 予告なく動画の配信を中止することがあります。ご了承をお願いいたします。
- 本動画は、ご登録いただいた方向けの機密性の高い技術情報を含んでおります。トラブル防止のため、以下の事項を遵守いただけますようお願い申し上げます。
- 撮影・録画の禁止： 動画内のスライド、データのスクリーンショット撮影および録画・録音はご遠慮ください。
【お申込みにあたって】
職場･学校で使用されるメールアドレスをご入力ください。Gmail、キャリアメール等は利用できません。
参加お一人様につき一登録をお願いします。アクセスリンクの共有はご遠慮ください。
同業他社さまにはご参加をご遠慮頂いております。ご理解のほど宜しくお願い致します。
※ご質問、ご不明な点がございましたら下記までお問い合わせください。
シュレーディンガー株式会社
E-mail:info-japan@schrodinger.com