Descrizione del progetto
Piattaforma innovativa di apprendimento automatico per la previsione di potenziali candidati nel processo di scoperta dei farmaci
La fase iniziale del processo di scoperta di un farmaco ha il maggiore impatto sul tasso di successo dei nuovi farmaci candidati. La progettazione farmacologica assistita da computer (Computer-aided Drug Design, CADD) è lo strumento più conveniente per la scoperta di farmaci, che consente lo screening di grandi banche dati di molecole e la simulazione della loro interazione in vivo. Tuttavia, le semplificazioni apportate alle simulazioni per ottenere un tempo di calcolo accettabile spesso comportano un basso tasso di successo nella ricerca delle molecole bioattive. La società Pharmacelera, con sede in Spagna, intende introdurre un nuovo standard di calcolo per la CADD, utilizzando una piattaforma di apprendimento automatico per la previsione accurata delle proprietà molecolari delle molecole candidate e delle interazioni molecolari rilevanti. Il progetto MolPredict, finanziato dall’UE, condurrà ricerche di mercato ed esplorazioni tecniche per valutare la fattibilità dell’impresa.
Obiettivo
The competitiveness of the R&D process in this industry has been steadily declining during the past two decades. Whereas in 2000 the average cost for developing a new drug was close to €1 billion, in 2015 the estimated cost was €2.58 billion, a 150% increase. Consequently, the different actors of the pharmaceutical R&D industry have an urgent need to improve their effectiveness to develop new drugs. In this sense, the early stage of the R&D process shows the greatest potential to increase the success rate of new drug candidates, as it is in this phase where candidate molecules are selected for further testing in humans. Computer Aided Drug Design (CADD) is the most cost-effective tool for drug discovery. These technologies allow researchers to screen large databases of molecules and simulate its interaction in vivo. However, they are extremely intensive in computational resources. As a result, existing solutions have to implement simplifications in the simulations in order to incur acceptable computational times. These simplifications come at the cost of accuracy, finding a low rate of bioactive molecules that, in addition, usually fail during clinical trials. Pharmacelera aims at creating a new computing standard for Computer-Aided Drug Design (CADD) through an open machine learning platform that enables accurate prediction of molecular properties of candidate molecules based on quantum-mechanics (QM) calculations during drug development. By providing early stage ADME-Tox analysis, thus dramatically reducing the failure rate of the drug design process. In addition, by combining HPC, new disruptive molecular modelling techniques (computational chemistry) and machine learning, PharmAgile will be 20x faster and 10x more precise than any existing solution. Consequently, PharmAgile will be able to reduce the overall costs of drug development by up to 19% and the drug development time up to 8%. This translates into $335 million and 2 years saved per new approved drug.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- scienze mediche e della salutemedicina di basefarmacologia e farmaciascoperta di farmaci
- scienze mediche e della salutemedicina di basefarmacologia e farmaciafarmaci
- scienze mediche e della salutemedicina di basechimica farmaceutica
- scienze mediche e della salutemedicina clinica
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeapprendimento automatico
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Programma(i)
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) H2020-EIC-SMEInst-2018-2020
Vedi altri progetti per questo bandoBando secondario
H2020-SMEInst-2018-2020-1
Meccanismo di finanziamento
SME-1 -Coordinatore
08173 Saint Cugat Del Valles Barcelona
Spagna
L’organizzazione si è definita una PMI (piccola e media impresa) al momento della firma dell’accordo di sovvenzione.