COMMENT DÉMARRER ?
Génerer des molécules sous contrainte :
plus sûres, plus performantes ou moins toxiques ? Prédire des propriétés, odeur, toxicité…
​
AlchemAI est la solution ultime.
Voici un chemin raccourci et balisé pour atteindre plus rapidement vos objectifs
identification du besoin
1
Génération de molécules
sous contraintes
​
Molécules plus sûres, moins toxiques, plus performantes ... AlchemAI peut générer de nouvelles molécules
Prédiction de propriétés
​
Odeur, toxicité, Température de fusion, enthalpie de formation, solubilité, nouvelles utilisations… les algorithmes d'AlchemAI peuvent être entraînés pour prédire de nombreuses caractéristiques
2
définition de votre cahier des charges
entraîner les réseaux de neurones
3
AlchemAI utilise les principes de la QSPR (Quantitative Structure-Property Relationship) pour prédire un certain nombre de caractéristiques des molécules.
Les liens de cause à effet entre structure et propriété d'une molécule étant complexes, ils sont abordés par des algorithmes de Machine ou de DeepLearning (réseaux de neurones).
​
Les modèles développés sur AlchemAI font ainsi intervenir 3 éléments essentiels pour
l'entraînement et la prédiction :
Bases de données
• publiques
• propriétaires
(dans certains cas)
​
Descripteurs moléculaires
Représentation de la molécule avec un contenu informationnel
• Propriétés (i.e. densité)
• SMILES (structure)
• Données issues de la
chimie quantique
...
Modèles QSPR
• Algorithmes de Machine Learning
• Réseaux de neurones
générer de nouvelles molécules sous contraintes
4
AlchemAI utilise des technologies IA capables de créer des espaces latents (espace mathématiques à plusieurs centaines de dimensions contenant toutes les molécules possibles).
AlchemAI explore ensuite cet espace latent avec des algorithmes génétiques pour générer de nouvelles molécules, en prédisant leurs caractéristiques, puis les évaluer avec les réseaux de neurones entraînés.
sélectionner les meilleurs candidats
5
Les molécules générées par AlchemAI seront classées puis sélectionnées en combinant son expertise en chimie et celle du client dans son domaine.
Les meilleurs résultats devront ensuite être testés et analysés.
Cette sélection issue des travaux in silico permet de réduire le nombre de tests en laboratoire
