
通过生物信息学分析提升候选治疗药物的价值
将最合适的生物信息学框架应用于药理学数据或历史数据集中,以便:
- 及早识别候选生物标记物,提高临床成功率
- 通过选择最合适的模型,超越目标基因表达或t检验/ANOVA分析,提高研究设计和分析
- 通过确定协同、拮抗和相加效应了解联合治疗效益
稳健和预测数据的计算机建模专家
我们的内部生物信息学家团队在提高客户化合物的临床成功率方面有着久经考验的记录。将高级统计数据集成到到您的药物开发项目中,以获得对您的候选治疗方案的重要生物学洞察力。
生物标记物的发现和验证
- 使用我们容易使用的自动生物标记物发现工具,简化体外药理学原始数据中的生物标记物发现
- 通过分析高通量细胞系筛选(OmniScreen™)发现潜在的预测性生物标记物
- 通过分析小鼠临床试验(MCT)数据,超越简单的疗效指标和基于终点的分析,改进患者分层
- 通过重新解释临床试验结果,补救以前未成功的药物
线性混合模型确定EGFR为预测西妥昔单抗疗效的主要基因
Guo et al. BMC Cancer (2019) 19:718
先进的研究设计、分析和模型选择
- 通过量化所有典型通路的活性,并将通路活性与靶基因和蛋白表达相关联,提高数据准确度
- 通过将靶基因表达与患者的临床信息和公共数据库相关联,提高数据可信度
- 通过我们发布的统计框架优化MCT研究设计
- 通过对历史数据和高级统计学数据的实证分析,更好地为药物开发提供信息
基于SoC治疗数据集的统计功效曲线示例
Guo et al. BMC Cancer (2019) 19:718
组合效应分析
- 易于可视化和理解您的化合物在体外或离体与CrownSyn™的联合作用
联合药效评估的3D反应面图
其他可用的服务包括基因组分析、NGS数据分析和传输以及软件许可。