Le criblage de bibliothèques codées par l’ADN associé à l’apprentissage automatique (DEL-ML) constitue une approche prometteuse pour l’identification de molécules candidates au début du processus de découverte de médicaments, mais le domaine cherche encore à déterminer quelles stratégies en matière de représentation des données, d’architecture des modèles et de sélection des molécules candidates donnent réellement des résultats.
Le premier défi DREAM Target 2035 DEL-ML a été conçu pour explorer précisément cette question. Des équipes d’experts en IA et en chimie computationnelle ont travaillé à l’identification de composés prometteurs pour la protéine cible WDR91, à la fois de manière rétrospective et prospective, en déployant un large éventail d’approches computationnelles. Les résultats offrent des enseignements utiles : le choix des données d’entraînement s’est révélé être le facteur de différenciation le plus marquant entre les équipes, tandis que l’architecture des modèles et la représentation des données ont eu moins d’impact que ce à quoi on aurait pu s’attendre. De nouveaux ligands de WDR91 ont également été découverts au cours du processus.
Ce webinaire présentera un aperçu du défi et de ses résultats, suivi des présentations des équipes les plus performantes. L’inscription est gratuite mais obligatoire.
Président : Matthieu Shapira, Structural Genomics Consortium
Intervenants :
Luca Chiesa, Structural Genomics Consortium
Lei Zhang, New York University Shanghai
Yifan Jiang, The Hospital for Sick Children (Toronto) & Vector Institute
Anna Khapeliukha, Chemspace LLC
Jeff Messer, GSK
Wim Dehaen, University of Chemistry and Technology Prague
Inscrivez-vous ici pour recevoir le lien Zoom avant l’événement.
