• <progress id="ewwoa"><p id="ewwoa"></p></progress>
  • <source id="ewwoa"><mark id="ewwoa"></mark></source>
    <var id="ewwoa"><td id="ewwoa"></td></var>

      <video id="ewwoa"></video>
      1. 新聞中心

        Kaitian Chemical

        降低70%研發成本,AI藥物研發在爭議中前行

        發布時間:2023-11-22

                藥物發現過程通常既耗時又費力。一個成功的新藥開發需要突破從可成藥的靶點蛋白識別到巨額費用的臨床試驗等許多難關。

               但基于高質量大數據分析和機器學習等人工智能的幫助,可以大大簡化藥物發現過程,減少所涉及的時間和成本,能開發出更有效和高效的治療方法。據《福布斯》報道,制藥公司通過使用人工智能進行藥物發現可以節省近 70% 的成本。

               需要明確的是,技術本身并不是目的,解決藥物研發的問題才是。換句話說,“黑貓白貓,能抓老鼠的就是好貓”。對于新藥研發來說,AI是一只好貓嗎?

         

        AI研發降本增效,但行業爭議仍存

         

               新藥研發的目標在于“設計并合成具有足夠穩定性和選擇性的分子,達到與靶點蛋白相互作用并擾亂其致病功能的效果,進而實現治療疾病的目的。”

               傳統的藥物發現過程從一開始就是基于有限證據的盲人摸象游戲,有位基因泰克的高管曾在TED演講時總結為“瞎貓碰死耗子”。而且過程極其漫長(10-15年)、復雜(需要多名不同背景專家的努力)且昂貴(數十億美元)。它涉及幾個階段,每個階段的失敗率都很高:

         

         

        而人工智能能夠在藥物研發全生命周期發揮作用,如藥物設計、化學合成、藥物篩選、多藥理學和藥物再利用等。它提供了一種更快速、更準確、更高效的方法來發現和設計新藥物,達到降本增效的目的。

               藥物發現:人工智能可以幫助科學家從數以百萬計的候選化合物中篩選出最有可能成為治療方案的化合物。通過機器學習算法,人工智能可以分析大量已知藥物的結構、性質和活性,預測哪些化合物具有潛在的生物活性,并加速藥物研發的流程。

               藥物設計:人工智能可以通過模擬分子動力學和分子對接等技術,精準地預測化合物與靶標的相互作用,幫助科學家制定更優秀的藥物設計方案。

               臨床前研究:人工智能可以分析患者的基因組數據、影像數據和生理數據等信息,幫助科學家更好地理解疾病的機制和病理生理過程,以及預測藥物在人體中的藥代動力學和劑量。這些信息不僅有助于確定最佳的治療方案,而且可以幫助科學家更好地了解藥物的安全性和毒性。

              個體化醫療:人工智能可以根據每個患者的基因組、表型和環境因素等信息,為每個患者提供最適合的治療方案。通過這種方式,科學家可以開發出更加個性化和精確的藥物,提高治療效果并降低副作用。

               總之,人工智能在新藥物研發中發揮著越來越重要的作用。

         

        在爭議中前行

         

               就在同一時期,英矽智能(Insilico Medicine)在6月27日宣布,其已經開始AI研制藥物的首批人體試驗,為一名中國患者提供了一種治療慢性肺部疾病特發性肺纖維化的新型療法。該藥研發代號INS018_055,是全球第一種完全由AI設計和研制的藥物,目前已推進至2期臨床試驗驗證階段,或即將成為制藥業的重要里程碑。

               INS018_055進入臨床2期就是將AI和DD(藥物發現/設計)有機結合的有力證明。

               筆者看來,薛定諤代表的傳統計算機藥物設計軟件公司和英矽智能代表的新興AIDD公司就好比是黑貓白貓。傳統的CADD軟件公司也不斷在自己的計算平臺中加入先進的AI算法提高軟件性能。比如業界常用的商業套件薛定諤公司maestro,德國Biosolvit公司的SeeSAR以及Cresset公司spark等優秀代表。

               以激酶抑制劑TYK2為例,之前曾被宣傳為“AI驅動的藥物研發”的典型。但實際上,該案例是由薛定諤子公司Nimbus以BMS發表的分子結構為參考,在進行FEP(Free Energy Perturbation)計算優化的基礎上得到的結果。FEP計算方法被廣泛應用于預測同系物的結合自由能變化,近年來,得益于計算機性能的飛速發展,它已經成為藥物設計中研究自由能的主要手段。

               CADD領域的專家告訴筆者,基于傳統虛擬對接和MMGBSA計算的候選化合物與實際測試后的化合物活性相關性不到30%。最近隨著計算能力的提升,利用自由能計算(如FEP)等技術,可以將激酶抑制劑等化合物的活性預測準確率提高到70%。需要特別關注的是,FEP等功能的授權價格十分昂貴。且這類技術屬于關鍵技術,一旦遭到國外公司的拒絕授權,就類似于關閉了GPS導航系統。

              幸運的是,近幾年國內也涌現出不少優秀的人工智能藥物研發公司,有望打破技術壟斷給更多研究團隊四兩撥千斤的工具。

        [ 返 回 ]

        網站首頁  |   公司簡介  |   產品中心  |   新聞中心  |   聯系我們  |   ENGLISH

        南京凱天化工有限公司 版權所有(C)2022 網絡支持 化工網 生意寶 生意社 著作權聲明 網站地圖 備案序號:蘇ICP備2022040636號

        俺来也俺啦最新官网无码_久久国产精品尤物网站_久久精品免视看国产成人_中字h无码精品动漫在线观看
      2. <progress id="ewwoa"><p id="ewwoa"></p></progress>
      3. <source id="ewwoa"><mark id="ewwoa"></mark></source>
        <var id="ewwoa"><td id="ewwoa"></td></var>

          <video id="ewwoa"></video>