关闭人工智能驱动的药物发现中的数据循环

药物发现是一项高成本、高风险的工作，面临着越来越由先发优势定义的市场越来越大的压力。自20世纪50年代以来，新药开发成本大约每九年翻一番--这种现象被称为。如今，将新药推向市场平均需要10-15年的时间，成本也很高，失败率高达90%。人工智能已成为制药行业提高成功率和缩短时间表的最大赌注。制药公司识别、测试和优化新化合物的速度越快，开发后期代价高昂的失败风险就越低。全球生命科学公司Cytiva蛋白质研究策略总监Paul Belcher表示：“药物发现的主要成本仍然是临床阶段，因此尝试降低风险并提高成功率显然是非常有益的。”“制药公司希望人工智能是一种方法，不仅可以节省时间和压缩时间表，还可以使质量更好的候选人到达诊所。”人工智能在药物发现中的早期使用显示了潜力，但也凸显了对稳健和真实数据以及实验室系统集成的需求。人工智能在药物发现中最有前途的早期应用之一是在热门识别中。这涉及针对疾病相关目标（例如蛋白质）筛选分子实体库，以找到与其结合的分子。成功的成功为研究人员提供了进一步测试和改进的起点，目标是最终开发出可行的药物。贝尔彻看到了从经验筛选到预测设计的转变：与其对图书馆进行物理筛选，制药公司现在正在使用人工智能从头开始设计候选药物，并在投入研发之前预测它们将如何与疾病靶点相互作用。这意味着公司不再受限于他们可以进行多少物理筛选来确定起点。“AI确实

注：以上内容摘选自原始新闻，点击「访问原文」查看完整内容。