2025年4月8日
利用机器学习（ML） 方法加速药物制剂开发
机器学习（ML） (ML) 正通过实现对溶解度、粘度和稳定性等关键性质的数据驱动型预测，彻底改变药品制剂设计。基于化学知识的 AI/ML 模型提供了一个强大的框架，可加速材料创新，其范围不仅限于活性药物成分 (APIs)，更延伸至复杂的药物制剂。机器学习（ML） 具备分析海量数据并针对新制剂进行预测的能力，从而能够快速探索广阔的化学空间，显著减少对传统试错实验的需求。 自动化工作流程可整合化学成分与分子结构以生成预测模型，从而以更快的速度和更高的效率优化制剂性能。
在本场网络研讨会中，我们将演示Schrödinger的集成式 机器学习（ML）和基于物理理论 方法如何正在改变药品配方设计，内容包括：
- 如何通过结合化学和成分分析的自动化机器学习工作流，预测API 在二元溶剂中的溶解度
- 如何利用增强了基于物理理论 描述符的机器学习模型，优化有机分子的粘度预测，从而提升配方性能
- 配方开发机器学习工具如何赋能非专业人士，使其能够设计出同时满足多项靶点 标准的新型药物制剂
我们的演讲嘉宾
阿南德·钱德拉塞卡兰
高级首席科学家，Schrödinger
阿南德·钱德拉塞卡兰（Anand Chandrasekaran）于2019年加入Schrödinger ，目前担任MS Informatics的产品经理。他的专业领域在于将分子力学（机器学习（ML） ）应用于材料科学和计算建模的各个领域。他在洛桑联邦理工学院（Swiss Federal Institute of Technology, Lausanne）师从尼古拉·马尔扎里（Nicola Marzari）教授，获得材料科学博士学位。在加入Schrödinger 之前，阿南德曾与兰皮·拉姆普拉萨德（Rampi Ramprasad）教授合作，主要研究聚合物信息学、机器学习（ML） 力场以及用于电子结构计算的机器学习（ML） 。
希瓦·塞卡兰
高级总监，Schrödinger
希瓦·塞卡兰（Shiva Sekharan）博士现任Schrödinger 制剂业务开发高级总监，负责推动制剂领域的业务开发工作。希瓦是一位在合同研究组织（CRO）以及基于人工智能的服务和软件解决方案行业拥有丰富经验的业务开发高管，在管理美国、欧洲和亚洲地区制药、农化及学术行业的客户账户、客户关系以及客户期望方面拥有多年经验。 他的专长在于发掘现有客户中的新商机，制定客户拓展的销售与合作策略，并确保为全球客户提供全天候的一流服务、产品及知识驱动型解决方案。 在2023年加入Schrödinger 之前，希瓦曾在XtalPi Inc.担任业务开发职务，期间领导美国固态服务部门，与各部门负责人合作制定有效目标和销售指标，规划流程与最佳实践，并提供战略指导以提升营收。 希瓦在德国杜伊斯堡-埃森大学获得理论化学博士学位，随后在马克斯·普朗克高分子科学研究所、埃默里大学、福井基础化学研究所和耶鲁大学进行了博士后研究。 希瓦是一位成就斐然的计算化学家，在量子化学和药物发现领域拥有深厚的研究造诣（发表论文40余篇，被引用1100余次，H指数=20）。