Vuoi saperne di più sulla pipeline di Similarity search e le sue applicazioni?
Scrivici subito.
Use case
Similarity-based
Target Intelligence
In un’azienda cosmetica per un conservante più sicuro
Un’azienda cosmetica utilizza da anni un conservante efficace, ma sempre più sotto la lente delle autorità regolatorie e dei consumatori, che ne mettono in discussione il profilo di sicurezza cutanea. Il team R&D ha bisogno di un sostituto che garantisca la stessa efficacia antimicrobica, ma con un profilo tossicologico più solido — e magari anche una migliore compatibilità con un posizionamento “clean” del prodotto. Da dove iniziare, tra centinaia di molecole potenzialmente analoghe?
L’Assessment
La sfida
Nelle fasi iniziali di ricerca e sviluppo, una molecola promettente – che sia un principio attivo in fase di studio o un ingrediente da sostituire – può generare molte domande: quali target biologici potrebbe coinvolgere? Il suo profilo è coerente con una certa area terapeutica? Quali evidenze sono solide e quali, invece, sono solo ipotesi esplorative? E soprattutto: quali esperimenti conviene fare per primi?
In questa fase, testare troppi candidati può essere costoso e dispersivo; testarne pochi, senza razionale, può far far scartare l’alternativa migliore o, peggio, farne scegliere una poco supportata. La nostra analisi aiuta a costruire una priorità sperimentale basata su evidenze disponibili, coerenza biologica e qualità del segnale, partendo dalla struttura del conservante originale per mappare l’intero vicinato di alternative strutturalmente simili e valutarne il profilo con lo stesso rigore.
La nostra pipeline di Similarity-Based Target Intelligence nasce per rispondere a queste domande, trasformando una struttura chimica in una mappa biologica interpretabile, tracciabile e orientata alla decisione.
L’approccio
Il servizio parte da una molecola di interesse — identificata tramite nome, SMILES, InChIKey, PubChem CID, ChEMBL ID o altri identificativi — e ricostruisce il suo vicinato chimico-farmacologico. In altre parole, identifica composti strutturalmente simili, ne analizza i target biologici noti, raccoglie attività sperimentali disponibili, annotazioni meccanicistiche e informazioni da database pubblici selezionati.
Il risultato non è una semplice lista di target, ma una valutazione ragionata della forza delle evidenze, cioè di quanto solidamente la letteratura disponibile documenti l’interazione tra un candidato più sicuro e i target biologici rilevanti per efficacia antimicrobica e sicurezza cutanea.
La pipeline distingue infatti tra supporto diretto sulla molecola, segnali derivati da composti simili, evidenze meccanicistiche, attività sperimentali, ipotesi esterne da similarità, segnali pathway-adjacent, evidenze deboli o inattive e assenza di supporto. Questo approccio consente di evitare interpretazioni eccessive e di formulare claim scientificamente più solidi (un requisito non negoziabile quando il claim in questione riguarda la sicurezza di un ingrediente destinato al contatto con la pelle).
Il Workflow
Il workflow ha incluso il recupero dei composti simili, il ricalcolo locale della similarità con metriche multiple, l’aggregazione delle associazioni compound-target, l’identificazione dei target più ricorrenti, la valutazione delle migliori attività disponibili e, se richiesto, la verifica di un panel di recettori o target definito dal cliente.
Per ogni target emerso, il servizio ha messo a disposizione del team R&D dell’azienda una lettura classificata: target prioritario, segnale secondario, ipotesi esplorativa, supporto indiretto, segnale debole o target non supportato. Questo permette ai team R&D di passare da un insieme frammentato di dati a una roadmap chiara per gli step successivi.
In questo caso gli output includevano un report executive, tabelle tecniche, workbook Excel, grafici, mappe compound-target, sintesi delle evidenze, raccomandazioni per follow-up sperimentali e materiali utili allo sviluppo del nuovo prodotto contenente il conservante sostituito.
I benefit
Il valore del servizio è duplice. Da un lato, accelera la comprensione biologica della molecola. Dall’altro, riduce il rischio di investire in esperimenti poco informativi, aiutando a selezionare target e assay con maggiore razionale.
Questa soluzione è particolarmente utile per:
- valutare il potenziale biologico di nuove small molecules;
- supportare attività di drug repurposing;
- identificare sostituti più sicuri o più sostenibili per ingredienti cosmetici sotto osservazione regolatoria o reputazionale;
- progettare pannelli sperimentali più mirati;
- confrontare analoghi o candidati all’interno di una serie chimica;
- costruire dossier scientifici per partner, investitori o stakeholder interni;
- identificare claim supportabili e distinguere le ipotesi ancora da validare.
La nostra filosofia è semplice: non sostituire la validazione sperimentale, ma renderla più intelligente.
Attraverso un approccio combinato di chemoinformatics, bioactivity mining, target intelligence e interpretazione conservativa delle evidenze, aiutiamo le aziende – dal pharma al cosmetico – a trasformare una molecola in una strategia di sviluppo più chiara, difendibile e orientata all’azione.
