科学 & 平台
平台技术
chemoproteomics平台
化学蛋白质组学是一种在细胞环境中了解小分子和蛋白质之间相互作用的方法.
Frontier使用化学蛋白质组学平台与机器学习算法相结合，以发现与关键疾病途径相关的蛋白质中的结合袋(或可药物热点), 然后从药理学上针对它们. Frontier的专利药物研发能力已经建立起来，以加速精准药物的发现和开发. 我们的平台集成了一系列领先的蛋白质组学能力, 生成数十亿的数据点存储在我们的专有热点数据库中, 拥有数据驱动和不断发展的共价片段库. 从疾病相关系统的蛋白质组筛选的见解与前沿质谱相结合, 机器学习算法, 建模, 模拟, 和结构信息, 还有创新的药物化学.
了解Frontier的技术
热点图
Frontier公司的技术可以查询蛋白质组，并提供感兴趣靶点上的结合位点地图, 这使得小分子可以对抗几乎任何蛋白质. 因为蛋白质在不同的细胞环境中表现不同, 我们的数据是通过精心挑选的疾病系统收集的，以产生丰富和相关的数据集.
热点图作为理解潜在治疗靶点的可药物性的起点. Frontier has mapped >150,000 hotspots enabling access to > 90% of the human proteome for drug discovery.
共价片段库
Frontier利用机器学习模型利用Frontier的数据库建立了一个专有的共价片段库. 筛选小分子片段以识别那些能与优先热点结合的分子. 片段比典型的高通量筛选文库中的分子更简单，因此有更高的机会结合到蛋白质上的独特口袋，包括无法消化的蛋白质.
加速产生潜在客户
Frontier的共价片段库使用高通量生物物理技术对多个目标进行筛选, 生化, 生物技术. 特别是, Frontier的高通量蛋白质质谱平台每天可以运行数千个完整的蛋白质样本. 然后用高分辨率质谱法对选择性结合的片段进行进一步研究，以确定结合动力学, 修饰位点和全蛋白组选择性. 一次验证, 使用药物化学可以快速提高特定片段的命中, 以及计算机辅助和基于结构的药物设计.
我们的平台和策略使我们能够迅速降低项目的风险, 将一个历史上无法治愈的目标转化为一个可通过先导优化加速并向前推进到临床的可控制的项目.
机器学习/人工智能
Frontier开发了机器学习算法，利用我们独特的热点数据进行分类, 对于一个给定的蛋白质, 特定区域的相对反应性和结合潜力. 这不仅可以直接从数据库中确定特定目标的优先级, 还要设计有效的筛选策略.
人工智能方法也应用于生成和管理Frontier的共价片段库.
Frontier开发并部署了基于最新数据确定所需化学性质空间和反应性剖面的算法. 这种数据驱动的洞察力使我们能够专注于化学领域最有前途的领域.
这些机器学习应用使Frontier能够针对关键目标及其优先热点生成一个不断扩大的高质量和多样化化合物库. 这为开发创新的精准药物提供了新的机会.
Frontier的机器学习/AI引擎
