Productos biológicos y farmacéuticos

Descripción
Ampliar una plataforma de I+D de materiales de IA hacia los productos biológicos: desafíos de proteínas, anticuerpos y formulación. Capacidad de hoja de ruta en desarrollo

Productos biológicos y farmacéuticos: sistema de materiales/rendimiento predecible/vía de validación
IA para materiales biológicos y farmacéuticos: ampliación de la pila de investigación y desarrollo de materiales
La capacidad biológica de MatterSeek está en desarrollo. Esta página describe la dirección de viaje y las partes de la plataforma que ya se aplican. No describe un producto disponible generalmente.
(que predice las propiedades de los materiales directamente a partir de la composición y luego valida en un laboratorio automatizado) fue construido para sistemas de materiales orgánicos e inorgánicos. Extender ese método a materiales biológicos y farmacéuticos es una hoja de ruta, informada por los mismos tres fundamentos: modelado basado en descriptores, una arquitectura de predicción jerárquica y un circuito experimental cerrado.
El desarrollo de proteínas y anticuerpos se enfrenta al mismo obstáculo estructural que el desarrollo de materiales: un espacio de diseño muy grande, una evaluación experimental costosa y datos fragmentados entre los programas. La afinidad, la estabilidad, el comportamiento de agregación y la compatibilidad de formulación se miden en campañas separadas, y las interacciones entre ellas rara vez se modelan de forma conjunta.
En primer lugar, la predicción de propiedades basada en descriptores: el mismo enfoque que codifica más de mil descriptores materiales tiene un análogo directo en los descriptores de secuencia, estructura y formulación. En segundo lugar, el aprendizaje de datos pequeños: la arquitectura jerárquica de MatterSeek fue diseñada para regímenes donde las muestras etiquetadas son escasas, que es la condición normal en el desarrollo de productos biológicos y no la excepción. En tercer lugar, el diseño experimental de circuito cerrado: utilizar la incertidumbre prevista para elegir el siguiente experimento, que se relaciona con la selección de formulaciones y el diseño del estudio de estabilidad.
El laboratorio autónomo de MatterSeek ejecuta la preparación automatizada de muestras para análisis FTIR y NMR y análisis térmico simultáneo, y su arquitectura está organizada en torno al encadenamiento de síntesis, caracterización y retroalimentación de datos. Un flujo de trabajo de productos biológicos necesitaría su propia cadena analítica y de preparación; la parte transferible es la estructura de circuito cerrado, no los instrumentos específicos.
Para las organizaciones farmacéuticas y biológicas, la capacidad disponible actualmente es en trabajos adyacentes a materiales: excipientes, materiales de embalaje y contenedores, materiales de proceso orgánicos e inorgánicos y sistemas catalizadores utilizados en síntesis. Estos son manejados por las familias de modelos orgánicos e inorgánicos existentes. Si su interés es específicamente la hoja de ruta sobre productos biológicos, preferiríamos discutirla directamente en lugar de exagerar la preparación.
Preguntas frecuentes
P: ¿Está disponible la capacidad de productos biológicos ahora?
R: No. Está en desarrollo. Las familias de modelos disponibles actualmente cubren materiales inorgánicos y orgánicos.
P: ¿Qué se transfiere de la plataforma de materiales a los productos biológicos?
R: Predicción de propiedades basada en descriptores, aprendizaje de datos pequeños y método de diseño experimental de circuito cerrado.
P: ¿Puede MatterSeek ayudar con excipientes o materiales de proceso hoy en día?
R: Sí. Los excipientes, los materiales de embalaje y contenedores y los catalizadores de procesos entran dentro del alcance del modelo orgánico e inorgánico existente.
Yuyao (Beijing) Technology Co., Ltd. es una empresa profesional que se especializa en la intersección de IA y materiales avanzados de productos biológicos y farmacéuticos. La empresa ha desarrollado de forma independiente MatterSeek, un gran modelo fundamental adaptado al sector de materiales, y ha sido pionera en el algoritmo HNN (red neuronal jerárquica), al tiempo que crea una base de datos de experimentos de materiales controlable y patentada.

