详细内容或原文请订阅后点击阅览
人工智能如何帮助科学家设计下一代药物
设计和开发新药是一项昂贵且容易失败的科学挑战。一种新药的开发可能需要多年时间，并且需要大量投资。即便如此，大多数可能的候选人也永远无法接触到患者。对于生物药物，由工程蛋白质而不是合成化学制成的疗法（通常用于……
来源:MIT Technology Review _人工智能人工智能辅助设计正在成为生物候选药物开发方式中日益重要的一部分，阿斯利康等公司正在积极组建工程团队以进一步推动这一趋势。 “我们所做的一切，无论是设计、制造、测试还是分析，现在都经过计算增强，”阿斯利康高级副总裁兼生物制剂工程和肿瘤学靶向发现研发主管 Puja Sapra 表示。 “周期时间越来越短，而生产力和创新不断提高。”
Sapra 解释说，阿斯利康的方法遵循构建-测量-学习循环。人工智能通过计算生成候选分子或对其进行优先级排序，预测哪些设计最有可能成功。然后，科学家将实验室资源仅集中在排名靠前的候选者身上。这导致了更严格的反馈周期，死角更少，迭代更快，并且能够追踪以前被认为无法通过药物治疗的疾病目标。由于可能的分子组合数量远远超过任何人类团队可以系统探索的数量，因此使用人工智能来缩小和完善测试选项已成为生物制剂药物设计的主要焦点。
解决复杂的药物设计问题
数据护城河
麦肯锡估计，生成式人工智能与其他计算工具相结合，可以将药物发现时间缩短多达 50%。但每个人工智能模型的好坏取决于其训练数据。在药物发现中，这意味着大量的高质量生物数据。实验可以提供丰富的此类数据来源。无论成功还是失败，每个实验都会产生一个关于什么有效、什么无效的信号。
构建自主发现引擎
“自始至终，科学家仍将是整个过程的核心，提供监督、判断和战略方向，确保产出是可解释的、可容忍的，并针对潜在的患者利益，”她补充道。