当前位置:

OFweek人工智能网

正文

未来人工智能将比人类更快发明药物化合物

导读: 研究人体健康组织,探究人体分子和细胞自身防御组织以及发病原理机制,利用人工智能和大数据来推算人体自身分子潜在的药物化合物。

如今,人工智能算法可以通过深度学习进行非常详尽的数据分析,从人脸识别到医学影响分析,人工智能算法的表现已经赶上甚至超越了人的表现。越来越多的高科技被各大药企应用于新药研发领域,他们希望借此探索提高新药研发效率、节省更多成本的路径。

Atomwise,一家位于旧金山的创业公司和Y Combinator公司,已经建立了一个名为AtomNet(pdf)的系统,该公司试图为潜在的埃博拉病毒和多发性硬化症等疾病生产药物。项目旨在运用超级计算机、AI和复杂的算法模拟制药过程,来预测新药品的效果,同时降低研发成本。Atomwise推出了两个显示AtomNet潜力的项目,多发性硬化症药物和埃博拉病毒。根据Atomwise,MS药物已被许可给未经公开的英国药理公司,埃博拉药物正在准备提交给同行评议的出版物。

未来人工智能将比人类更快研发出药物化合物

Atomwise最近利用AI技术,在不到一天的时间内对现有的7000多种药物进行了分析测试,为寻找埃博拉病毒治疗方案做出了贡献。根据该公司的统计,如果利用传统方法,这项分析需要花费数月甚至数年才能完成。不过 Atomwise 公司的首席运营官 Alexander Levy 提到了 AtomNet 还需要进行测试,人工智能并不能解决所有医学发展的问题。除挖掘化合物研制新药外,美国Berg生物医药公司通过研究生物数据研发新型药物。“Berg 通过其开发的 Interrogative Biology 人工智能平台,研究人体健康组织,探究人体分子和细胞自身防御组织以及发病原理机制,利用人工智能和大数据来推算人体自身分子潜在的药物化合物。

由于不断试错的成本太高,越来越多的药物开发厂商开始转向计算机和人工智能,希望利用这种技术来缩小潜在药物分子的范围,从而节省后续测试的时间和金钱。为了识别那些有很大潜力可以作为药物靶标的蛋白质的编码基因,这些厂商把希望寄托了算法上。目前,一些新的算法模型增加了新层次的复杂性,用来缩小相关蛋白质、药物和临床数据的范围,以便更好地预测哪些基因最有可能让蛋白质和药物结合。研究人员估计,大约15%~20%的新药成本都耗费在探索阶段。通常情况下,这意味着高达几亿美元的支出,以及3~6年的工作。如今,有人希望通过AI将这一过程缩短至几个月,并大幅降低研发成本。

1  2  下一页>  
声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

X
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: