Atomwise

Atomwise setzt maschinelles Lernen in der frühen Phase der Wirkstoffforschung ein. Die AtomNet-Technologie nutzt Deep Learning, um vorherzusagen, wie gut ein kleines Molekül an ein Protein bindet. So können Forschende riesige virtuelle Sammlungen von Wirkstoffen prüfen, bevor sie Experimente im Labor durchführen. Ziel ist, die Zahl der Moleküle zu verringern, die ein Labor testen muss, damit Teams vielversprechende Kandidaten schneller finden und weniger für aussichtslose Ansätze ausgeben.

Das Unternehmen arbeitet mit Pharmafirmen, Biotech-Start-ups und akademischen Laboren an zahlreichen Krankheitszielen. Dazu zählen auch Bereiche, die sich mit herkömmlichen Methoden nur schwer angehen ließen. Neben dem Screening hat Atomwise Methoden zur Suche in extrem großen chemischen Räumen sowie Werkzeuge zum Entwerfen und Optimieren von Wirkstoffen entwickelt. Das Unternehmen betreibt auch eigene Programme und ist damit sowohl Technologieanbieter als auch Wirkstoffentwickler.

Atomwise firmiert inzwischen als Numerion Labs. Die Website wird unter diesem Namen betrieben. Das Unternehmen verkauft seine Dienste über Kooperationen und individuelle Vereinbarungen statt als selbst bedienbare Software. Wie jede computergestützte Vorhersage müssen Ergebnisse im Labor bestätigt werden. Ein Erfolg beim virtuellen Screening garantiert keinen wirksamen Wirkstoff. Zu den Wettbewerbern und vergleichbaren Unternehmen zählen Schrödinger, Recursion, Isomorphic Labs und Genesis Therapeutics. Sie haben unterschiedliche Stärken bei strukturbasierter Entwicklung und Biologie.