AstraZeneca公司如何使用Python来改进药物发现的协作过程

这篇文章介绍了AstraZeneca公司如何使用Python来改进药物发现的协作过程。AstraZeneca是一家全球领先的制药公司，拥有超过54,000名员工，专注于开发创新有效的药物，用于治疗癌症、控制疼痛、治疗感染以及对抗心血管、中枢神经、胃肠和呼吸系统疾病。

药物发现通常需要超过十年的时间和超过8亿美元的成本。在这一过程中，一个重大挑战是如何从无数可能的分子中识别出更有可能成为有效药物的候选分子。

计算化学家们已经开发了许多预测分子性质的技术，这些技术可以用来评估分子在胃中的稳定性（对于吞咽的药片）、它能否通过血液流传送到细胞膜、最终被分解和排除，且不会对人体产生过大的毒性。

尽管这些计算技术非常有用，但如果它们足够好，就不需要进行实际的实验。然而，目前的计算机模型无法完全描述分子在体内的行为，也无法取代熟练药物化学家的直觉。真实的分子仍然需要在实验室中进行测试，以观察它们的反应。

为了节省实验室工作的时间和金钱，实验化学家使用计算模型来缩小良好的药物候选范围，同时验证即将测试的候选药物不是彼此基本化学结构的简单变体。

文章还提到了AstraZeneca如何通过引入Python来改进这一过程，使得实验化学家能够自行进行更好的计算预测，同时加快计算化学家的研究进展，并使其更快地应用于实验室。

文章的作者之一，Pierre Bruneau，是AstraZeneca的首席科学家，他在Zeneca（后来与Astra合并成为AstraZeneca）工作时就开始研究这个问题。他开发了一个名为H2X的基于Web的界面，该界面基于内部分子属性计算器Drone。这个系统使用Perl脚本，通过Perl、csh或特定领域的控制语言编写的包装脚本来调用适当的预测程序。

2001年，AstraZeneca决定进