De chemische industrie heeft slechts het oppervlak bekrast van mogelijke moleculen die als medicijn kunnen worden gebruikt, wat onvoorstelbaar groter is dan het aantal sterren in het universum. Om het navigeren door deze enorme chemische ruimte beter beheersbaar te maken, gebruiken onderzoekers nieuwe rekenhulpmiddelen die het proces goedkoper en efficiënter maken, volgens een coverartikel in Chemical &Engineering News .

Geneesmiddelenonderzoekers vertrouwen traditioneel op high-throughput screening, waarbij kleine reeksen verbindingen worden getest tegen een doelwit, schrijft senior redacteur Laura Howes. Deze methode is afhankelijk van het vinden van meer moleculen om te testen, en het kan tijdrovend en kostbaar zijn. Om aan de behoefte aan meer moleculen te voldoen, breiden bedrijven hun fysieke en virtuele bibliotheken van verbindingen uit. Bedrijven met grote virtuele samengestelde catalogi houden kleinere molecuulfragmenten bij de hand die kunnen worden gebruikt als bouwstenen voor grotere moleculen. Wanneer een klant een verbinding uit deze bibliotheken bestelt, assembleert de leverancier deze on-demand uit de bouwstenen, op basis van chemische en experimentele gegevens.

Met behulp van toegenomen rekenkracht en de enorme inspanning die chemici hebben geleverd om chemie in computers te coderen, hebben onderzoekers gebruik gemaakt van computationele technologie, met behulp van algoritmen en nieuwere technologieën, zoals kunstmatige intelligentie en machine learning. Door schermen te optimaliseren met rekenkracht en screeningtechnologieën te combineren, kunnen onderzoekers strategischer zijn, waardoor de enorme mogelijkheden van te testen verbindingen worden beperkt. Hoewel een medicijn dat met deze methoden is gevonden, nog niet op de markt is, zeggen experts dat dit veld klaar is voor groei op basis van de hoeveelheid tijd en geld die de industrie in deze inspanningen investeert. + Verder verkennen

Fluorescerende moleculen onthuld door kwantumchemie en machine learning