- 基于候选药物的二维结构，高效预测最稳定的晶体形态，并生成不同结构的热力学稳定性排序
- 在研发、生产和储存过程中，主动识别替代性的低能晶体结构，并避免多形转变
药物制剂
利用基于结构的洞察和高效的制剂参数筛选，优化您的药物制剂工艺
一种智能且具有战略性的药物制剂方案，能够有效推动您的药物研发项目，并为后续流程提供指导。分子建模和机器学习领域的进步，使得我们能够获得原子级别的洞察，从而优化药物制剂方案，并在实验前对大量候选材料和制剂方案进行评估。
Schrödinger 提供一系列计算解决方案，旨在推动小分子制剂的研发，涵盖从晶体或非晶态形式到针对加工、稳定性和给药而进行的材料及辅料选择等各个方面。
核心能力
确定最稳定的晶型，以降低药物制剂的风险
预测候选药物的溶解度
- 利用 FEP+ 准确预测非晶态和晶态化合物的溶解度，以促进可溶性活性药物成分（API）的发现，并阐明非晶态化合物可能带来的溶解度提升效果
- 确定哪些情况下，由于形成了微小的药物聚集体，纯药物的溶解度可能会超过预期溶解度
了解药物的稳定性和反应性
- 预测非晶态材料（包括非晶态固体分散体）的玻璃化转变温度和吸水率
- 针对各种降解途径评估药物的稳定性
- 计算键解离能以评估化学稳定性
对药物制剂和给药系统进行表征与优化
- 深入了解脂质基和聚合物基制剂（包括非晶态固体分散体）的复杂要求和行为
- 评估不同聚合物或聚合物残留物对活性药物成分（API）的释放、溶解和聚集的影响
- 预测关键性质，例如成分的互溶性、溶液中的分子相互作用以及药物释放曲线
优化药物工艺开发与生产
- 预测晶体形态，以预判粉末流动中的挑战
- 计算杨氏模量和剪切模量，以协助优化压片条件
- 理解非水溶剂中的溶解度
博客
解决药物溶解度问题：艾伯维与施罗丁格合作推进精准预测方法的发展
尽管至关重要，但对晶体热力学溶解度的早期评估在药物发现与开发领域仍难以实现。艾伯维（AbbVie）和薛定谔（Schrödinger）的科学家们一直合作探索基于物理学的新方法来预测溶解度。
阅读更多
精选网络研讨会
精选课程
文档与教程
了解常见问题的解答，并掌握使用Schrödinger软件的最佳实践。
主要产品
进一步了解可用于推进您研究项目的关键计算技术。
案例研究与网络研讨会
了解施罗丁格技术如何被用于解决现实世界中的研究难题。
出版物
浏览相关应用领域中采用薛定谔技术的经同行评审的出版物列表。