第一情报 ---生物与医药

AI辅助新药研发技术发展现状及态势

供稿人:邓桦  供稿时间:2019-12-2   关键字:人工智能  新药研发  
    传统意义的新药研发包括新药发现、临床前研究、临床研究及审批与上市4个阶段,但随着大数据与智能技术领航时代的来临,人工智能(AI)辅助新药研发将越来越受到业界的重视。

    新药发现阶段主要涉及疾病选择、靶点发现和化合物合成;临床前研究阶段以化合物筛选、晶型预测、化合物验证为主,包括药物的构效关系分析、稳定性分析、安全性评价和药物动力学分析等;临床研究阶段以患者招募、临床试验和药物重定向为主,涉及用药方案、药效试验、患者观察记录等具体步骤;审批上市阶段主要是政府药品监管机构对药企研发的新药进行审批,是新药流入市场的最后关口。

    一款新药的诞生需经历靶点发现——化合物合成——制剂生产——临床试验诸多环节最终才能批准上市,是一个需要投入大量人力、物力和财力的复杂过程。据《自然》(Nature)报道,新药研发的平均成本约为26亿美元,大约耗费10年时间,是一个耗时耗资且失败率极高的工程。研发周期长、成功率低及研发费用高是新药研发面临的3大困境,因而,相关药企试图通过技术创新实现研发流程优化和研发困境突破。基于上述背景,拓展出AI新药研发平台的应用新场景。AI领域涉及自然语言处理、图像识别、机器学习和深度学习等系列核心技术,以海量医学数据为目标,重点可在临床前阶段,即:靶点发现、化合物合成、化合物筛选和晶型预测等环节高度参与,实现提高研发效率,缩短研发进程,缩减研发成本,实现技术破局。

    靶点发现:传统的靶点发现是通过药物学家研读相关科研文献并辅以个人经验推测生理活性物质结构与活性的关系,继而挑选机体细胞上药物能够发挥作用的受体结合点,即靶点。AI自然语言处理技术通过学习海量医学文献和相关数据,深度挖掘药物、疾病及基因间的作用关系,实现快速发现有效靶点。

    化合物合成:化合物合成主要通过分析小分子化合物的药物特性,包括与靶点结合的能力、药物动力学、代谢学等,选取药物活性、药效较好的化合物,然后按照特定路径进行合成设计。该环节药物学家和化学家需对数千万种化合物依次进行计算机模拟试验,耗时耗资。AI的机器学习和深度学习,通过模拟小分子化合物的药物特性可在数周挑选出最佳的模拟化合物进行合成试验,提高效率、节约成本。

    化合物筛选:药物靶向的精准匹配是化合物筛选的关键指标。因药物靶向蛋白和受体并非呈现一一对应关系,会产生错配引发副作用。对尚未进入试验阶段的新药,需提前进行安全性和副作用的检测判断,筛选出安全性较高的药物。当前,AI可从两方面切入化合物筛选场景,一是利用深度学习和计算能力开发虚拟筛选技术取代原先的高通量筛选,二是利用图像识别技术优化高通量筛选过程。

    晶型预测:晶型的稳定结构关系到药品质量。小分子存在多晶型现象,有的晶型稳定性强但溶解度差,有的晶型溶解度好但稳定性差。在此环节,AI强大的深度学习和计算能力可有效代替人工,通过分析大量的临床试验数据,进行晶型预测,择优选取最佳药效晶型。

    除此,临床后阶段的患者招募、临床实证设计、药物重定向等环节也是整个新药研发过程中的重要步骤,可借助AI技术对非结构化、半结构化和结构化的各种结构类型的医学数据进行分析、挖掘,快速获取有效信息,实现新药研发各环节的技术优化升级。


万方数字化期刊中相关文章
人工智能及其在含可再生能源电源的电网安全中的应用
作者:Raj Kumar Aggarwal|
刊名:电网技术
年:2007
卷:31
期:20
摘要:文章概述了用于解决电网复杂问题的当前最高水平的人工智能技术,总结了可再生能源发电系统的发展现状,讨论了将可再生能源发电系统联接到电网中时需要考虑的几个问题.文中还较详细地讨论了近年来发生在欧美电网中的大停电事故.最后扼要介绍了一些基于人工智能的用于解决复杂问题的技术,特别是用于增强含有可再生能源发电的电网及老化电网的安全性的技术.

注册成为正式用户,登陆后,获得更多阅读功能与服务!
转载本文需经本平台书面授权,并注明出处:上海情报服务平台www.istis.sh.cn
了解更多信息,请联系我们

§ 请为这篇文章打分(5分为最好)