通过大规模创意构思、FEP+ 、机器学习（ML） 以及逆合成，提升药物化学家的影响力LiveDesign
日期和时间 - 2026年4月16日
- 15:00 中欧夏令时 | 14:00 英国夏令时
位置 - 虚拟
药物化学是一项日益复杂的、由高风险任务组成的协同工作——包括解读项目的结构活性关系（SAR）、构思既满足结构活性关系（亲和力 ）又符合ADMET特性的化合物，以及管理合成和检测报告的后勤工作。当计算工具与药物化学家主要的工作流程（workspace ）脱节时，先进建模技术的影响就会被削弱，通往开发候选化合物（DC）的道路也会变得充满不确定性。
欢迎加入我们，了解Schrödinger的企业信息学平台， LiveDesign如何作为统一平台弥合这一鸿沟。通过整合完整的计算流程，LiveDesign 使药物化学家能够采用完全的“预测优先”模式。这种方法通过集中决策和协作，增强了整个项目团队（从建模人员到领导层）的影响力。 通过在整个药物发现过程中为您的团队提供预测性洞察，您可以提高 MPO优化 的效率，减少合成的化合物总数，并显著缩短 DMTA 周期以及通往 DC 的研发周期。
主要亮点：
- 战略性 DMTA 加速：如何利用AutoDesigner和主动学习FEP+ 在确定合成方案之前对数千个创意进行筛选
- 无缝的MPO工作流程：在LiveDesign 界面中同时平衡药效和ADMET特性，以避免后期研发阶段的失败
- 合成现实验证：利用RetroSynth弥合高分数字设计与实际台式机可行性之间的差距
- LiveDesign 实战演示：对“先导化合物 到DC”场景的实时演示，展示LiveDesign Assistant和 集成式 建模工具如何帮助化学家在单次操作中，将原始的SAR表格转化为一份优先级明确、易于操作的合成清单
适合哪些人参加：
- 希望在日常设计工作流程中利用业内最准确的活性预测结果和机器学习模型的药物化学家
- 项目团队负责人致力于最大限度地提高预算效率，并消除导致候选人遴选延迟的技术壁垒
- 计算化学家旨在通过部署经过验证的、金标准模型并在全组织范围内推广使用，从而扩大其影响力
我们的演讲嘉宾
杰森·卡斯塔内达
客户管理执行总监，Schrödinger
马顿·瓦什
高级首席应用科学家，Schrödinger
马顿·瓦斯（Márton Vass）是Schrödinger 公司“全访问应用科学”（All Access Applications Science）团队的全球应用科学总监（先导化合物 ）。他致力于在LiveDesign 上开发和部署科学工作流，特别专注于FEP+ 和Desmond 在LiveDesign 中的应用，其研究重点在于将机器学习（ML）蛋白质折叠和协同折叠方法自动化应用于药物发现领域。 在加入Schrödinger 之前，马顿（Márton）在布达佩斯科技经济大学获得博士学位，期间曾在中型制药公司Gedeon Richer Plc工作。他还曾在阿姆斯特丹自由大学担任博士后研究员，利用KNIME实现用于GPCR药物发现的化学信息学算法；此后，他加入伦敦的BenevolentAI，应用机器学习（ML） 增强型药物发现方法，并先导化合物 该公司基于蛋白质结构的机器学习（ML） 工具的开发工作。