通过计算预测护肤品的安全性和功效——在实验室测试之前 -Schrödinger

通过计算预测护肤品的安全性和功效——先于实验室测试

随着全球范围内禁止动物实验的范围不断扩大，仅靠实验室实验已无法满足现代安全标准的要求。Schrödinger的先进“分子建模 ”及基于物理原理的人工智能平台，可预测渗透性、光稳定性和成分性能——从而助力研发团队超越监管要求，并将研发周期从数年缩短至数月。

防晒霜的研发面临监管瓶颈

每种候选紫外线过滤剂都必须同时证明其具备广谱防护能力、化学和物理稳定性，以及极低的皮肤渗透性。通过实验测试这三项特性耗时极长。模拟通过计算方法评估这些要求，使团队能够在制作任何原型之前就对候选物质进行筛选。

禁止动物实验需要新的安全性证据

欧盟、英国及其他全球市场的法规日益禁止动物实验，这催生了对计算安全性模型的需求，该模型可提供监管机构认可的、关于致敏性、刺激性和光毒性风险的机制证据。

乳液稳定性问题导致资源浪费

通过初期测试的乳霜和精华液在加速稳定性测试中往往会失败，这是因为在实验室条件下无法观察到油水界面处的分子行为。模拟能够揭示油水界面处的失稳机制，帮助研发团队在进行原型制作之前设计出更稳定的配方。

寻找有效的活性成分需要太长时间

筛选针对抗衰老靶点的天然化合物，传统实验研究每种候选化合物需要数月时间。虚拟筛选平台可针对提亮、抗皱和紧致等关键靶点，对数千种候选化合物进行筛选，在数天内（而非数个季度）即可筛选出高潜力的候选化合物。

经过验证的工作流程，用于预测、筛选和优化原料 及配方

Schrödinger 护肤应用专家提供的及时且专业的科学支持服务

委托研究服务可用—— 无需软件、硬件或计算团队资源

经过验证的计算皮肤屏障模型可预测活性成分的渗透、吸附和滞留情况，从而在进行任何物理实验之前，对数百种候选成分的输送性能进行评估。

基于您的数据训练的机器学习模型可同时预测防晒系数（SPF）、粘度、稳定性和感官特性，筛选在制作任何原型之前，通过计算方式探索配方空间。

通过计算方法分析紫外线吸收光谱、光稳定性及降解途径，在开始监管申报工作之前，将数十种候选滤光剂筛选为一份经过验证的候选名单。

虚拟筛选平台针对提亮、抗皱和紧致等目标，对天然及合成化合物进行评估，能在数天内（而非数月）提供经实验验证的先导化合物。

基于您的数据训练的机器学习模型可同时预测防晒系数（SPF）、粘度、稳定性和感官特性，筛选在制作任何原型之前，通过计算方式探索配方空间。

无论是基于基于物理理论还是人工智能的计算毒理学模型，都能在不进行动物实验的情况下，提供监管机构认可的机制性安全性证据。

首个经过验证的人类酪氨酸酶（hTYR）氧化态精确模型，能够以与实验检测相当的精度预测抑制剂的结合亲和力，使研发团队能够在进行任何物理实验之前，就设计、筛选和优化下一代脱色剂。该模型基于AlphaFold2和机制导向的结合状态构建，可准确对具有自杀性失活机制的抑制剂（如硫胺醇——迄今为止效力最强的脱色剂）的效力进行排序。

经过验证的皮肤屏障计算模型，可预测化妆品成分的渗透、吸附和滞留情况——使研发团队能够在进行任何物理实验之前，评估保湿霜和活性成分的输送性能。附有分步教程，便于立即应用。