Frequently asked questions (FAQ)

Wie funktioniert der Modellierungsansatz?

Das in-silico-Modell benötigt experimentelle Trainingsdaten, um die Nettostärke der intermolekularen Wechselwirkungen der Wirkstoffmoleküle mit ihrer Umgebung zu charakterisieren. Die Kombination von experimentellen Schlüsseldaten und dem physikalischen Modell ermöglicht die Vorhersage molekularer Eigenschaften mit minimalem experimentellen Aufwand.

Wie viele Datenpunkte werden für das Anpassen des Modells benötigt?​

Der Trainingsdatensatz sollte mindestens 5 experimentelle Werte umfassen, z.B. Löslichkeiten in verschiedenen organischen Lösungsmitteln. Die Löslichkeitsdaten in verschiedenen organischen Lösungsmitteln ermöglichen die Ableitung der wahrscheinlichsten Stärke der einzelnen intermolekularen Wechselwirkungen (u.a. Wasserstoffbrückenbindungsstärke, van-der-Waals-Wechselwirkungen).

Das Wirkstoffmolekül kristallisiert nur sehr langsam – lässt es dennoch durch das Modell charakterisieren?​

Löslichkeiten von langsam kristallisierenden Molekülen sind normalerweise schwer zu bestimmen – eine hervorragende Alternative ist es, stattdessen andere thermophysikalische Eigenschaften des Moleküls zu berücksichtigen, z. dynamische Dampfsorptionsdaten oder Verteilungskoeffizienten.

Kann das Modell auch für die modernen, chemisch komplexen Wirkstoffkandidaten verwendet werden?​

Wir haben die Erfahrung gemacht, dass die intermolekularen Wechselwirkungen insbesondere von hochkomplexen Molekülen sehr gut beschrieben werden können.

Welche Art von intermolekularen Wechselwirkungen werden berücksichtigt?​

Das Modell berücksichtigt verschiedene Beiträge zum gesamten intermolekularen Wechselwirkungsprofil: Van-der-Waals-Wechselwirkungen, Wasserstoffbrücken, Polarität, Ladung …

 

Muss die chemische Struktur mit amofor geteil werden, um das Modell aufzustellen?​

Die chemische Struktur wird für die Modellierung nicht benötigt!

 

Welche Art von experimentellen Daten werden als Trainingsdaten benötigt?​

Die Anforderungen an die benötigten Daten sind flexibel: Mögliche Daten sind Kristalllöslichkeiten, Mischbarkeiten, Verteilungskoeffizienten, Sorptionsdaten, osmotische Daten, Dichtedaten und viele mehr. Wir zielen darauf ab, den experimentellen Aufwand zu reduzieren und versuchen daher, das Modell mit den bereits verfügbaren Daten aus Frühphasen-Screenings aufzubauen.

Was kann durch das Modell vorhergesagt werden?​

Das Modell kann jede thermodynamische Eigenschaft einer Formulierung vorhersagen, z.B. thermodynamische Gleichgewichte (Sorption, kristalline und amorphe Löslichkeiten) und auch metastabile Zustände (z. B. Kristallisationsrisiko bei metastabilen ASDs, Triebkräfte für eine Phasenänderung).

Auch kinetische Eigenschaften (z. B. Kristallisationsbeginnzeiten oder Freisetzungsraten) sind durch eine Kombination der thermodynamischen Eigenschaften mit Informationen über die molekulare Mobilität vorhersagbar.

Dies ermöglicht die Durchführung von Hilfsstoffscreenings, Screenings von amorphen Feststoffdispersionen, Feuchtigkeitsrisikobewertungen, Haltbarkeitsvorhersagen, Lösungsmittelscreenings, Vorhersagen zum Auflösungsverhalten und vieles mehr.

Wie schnell ist eine Berechnung?​

Ein typisches Phasendiagramm ist in wenigen Augenblicken berechnet. Dies ist im Vergleich zu rechenintensiveren Vorhersagen sehr vorteilhaft, da vollständige Screenings innerhalb eines wirtschaftlichen Zeitrahmens realisiert werden können.

Können auch ternäre ASDs oder andere komplexe Formulierungen vorhergesagt werden?

Die Anzahl der Komponenten in einer Mischung ist nicht begrenzt: Eine typische binäre Formulierung (Wirkstoff + Hilfsstoff) funktioniert genauso gut wie eine hochkomplexe Formulierung mit vielen verschiedenen Hilfsstoffen.

What substance classes can be modeled?

Jede Art von Substanz wie Lösungsmittel, Gase, Medikamente, Polymere, Zucker, Aminosäuren, Lipide, ….