
JUN 25, 2024
针对复杂系统,利用全自动、基于机器学习(ML) 的工作流加速FEP+ 模型优化 的开发
FEP+ 这是一种在药物发现领域中非常强大的预测技术——其应用范围涵盖从苗头化合物 药物发现到先导化合物 优化 。部署FEP+ 的关键第一步,是对目标蛋白质-配体体系的模型进行验证和优化。虽然某些体系在采用开箱即用的FEP+ 设置时表现良好,但其他体系则需要手动调整协议。
在本场网络研讨会中,我们将介绍Schrödinger的FEP+ 协议构建器,这是一个用于FEP+ 模型优化 的自动化机器学习(ML) 工作流。该工作流专为以下系统设计:使用默认设置时预测精度不足,或经过初步手动协议优化 尝试后仍未达到预期效果的系统。FEP+ 协议构建器通过高效识别出适用于您目标系统的优化预测模型,既能节省研究人员的时间,又能提高成功启用FEP+ 的可能性。
欢迎加入我们的活动,我们将分享FEP+ 协议构建器的核心功能,并重点介绍一些成功案例,这些案例展示了如何利用该技术加速项目进展。
重点内容:
- FEP+ 协议构建器技术概述:该技术利用主动学习工作流,通过迭代搜索协议参数空间来开发精确的FEP+ 协议
- 关于在药物发现项目中有效前瞻性应用FEP+ 协议生成器所生成的协议的案例研究
- 手动与自动操作在时间效率方面的比较FEP+ 优化
- 关于在您自己的项目中应用该技术的具体要求及服务选项的详细信息
- 概述了在您感兴趣的蛋白质-配体系统中,针对几乎所有层次的结构信息启用FEP+ 功能的各种选项
我们的演讲嘉宾

杰里米·旺多姆
应用科学高级总监,Schrödinger
应用科学高级总监杰里米·旺多姆(Jeremie Vendome)博士于2015年加入Schrödinger 。他获得法国高等师范学院(Ecole Normale Superieure)的博士学位,并在哥伦比亚大学巴里·霍尼格(Barry Honig)教授的实验室完成了研究培训。在此期间,他通过结合计算化学(计算方法 )与实验方法,致力于研究与蛋白质-蛋白质相互作用热力学及蛋白质-蛋白质相互作用网络(特异性 )相关的各类问题。 在加入Schrödinger 之前,杰里米(Jeremie)拥有10余年的药物发现经验,既曾在制药行业担任计算化学家,也曾在哥伦比亚医学中心(Columbia Medical Center)领导一个计算机辅助药物设计(CADD)协作平台。 在Schrödinger 任职期间,他担任过多个职责日益重要的职位,并始终处于公司最新技术研发与实际药物发现项目应用之间的桥梁位置。最近,Jeremie一直领导着Schrödinger的研究赋能计划,旨在通过以协作服务形式大规模提供公司最新技术和工作流程,推动药物发现项目顺利通过关键阶段。

乔丹·爱泼斯坦
产品经理,Schrödinger
乔丹·爱泼斯坦(Jordan Epstein)在纽约大学攻读化学专业后,于2017年加入Schrödinger 。加入Schrödinger 担任软件开发工程师期间,他参与了FEP+ 、Desmond 和LiveDesign 等产品的开发。近期,他转任产品经理,并协助推动FEP+ Protocol Builder顺利正式发布。

萨特什·巴特
治疗学组执行总监,Schrödinger
萨特什·巴特(Sathesh Bhat)博士是药物研发部门的执行总监,于2011年加入Schrödinger 。他负责监督Schrödinger 内部及合作药物发现项目中的计算化学工作。此前,萨特什曾先后在默克(Merck)和礼来(Eli Lilly)任职,领导了多个药物发现项目的计算工作。他获得麦吉尔大学(McGill University)博士学位,其研究涉及开发基于结构的方法来预测结合自由能。 萨泰什是多项专利和学术论文的合著者,并持续在计算化学的广泛领域发表研究成果。