XiaoMi-AI文件搜索系统
World File Search SystemInsilico
Insilico Medicine 摘要 - 深度医药情报
Insilico Medicine 专有功能使各种行业都具备尖端潜力。计算靶标识别正在打破传统方法的范式。数字技术大大拓宽了可能发现的靶标范围，从而可以快速发现新靶标。用于药物或靶标比较的虚拟工具大大提高了各个阶段的药物发现效率，极大地影响了每个分子的资源分配。数字化前人类和人类靶标或药物验证的可能性开辟了广泛的分子分析，并显著降低了药物开发领域的成本并提供了风险管理选项。
insilico研究用于制剂开发的表面活性剂作为渗透糖蛋白抑制剂势
摘要简介：在过去的几十年中，微生物多药耐药性（MDR）已成为许多药物方案中的关键疗法之一。由于这种现象，制药行业，畜牧业和农业行业都受到了某种影响。材料和方法：使用Schrodinger Maestro 9.1软件程序进行了具有指定配体的分子对接研究。蛋白质制备向导用于制备选定的受体。结果：对接模拟揭示了蛋白质配体相互作用曲线中许多元素的重要性，例如氢键，亲脂接触，金属相互作用，PI-PI相互作用和PI-cation相互作用。评分函数是在计算化学和分子建模中使用的快速近似数学算法，以预测两个分子对接后两个分子之间非共价接触的强度。结论：这项研究的发现可能有助于理解这些赋形剂可能的P-GP抑制活性的分子机制。目前的发现将通过使用任何P-gp底物药物分子以及体外和体内研究的配方开发来进一步验证，以获得最终确认。
开发首个可吸入的人工智能药物配方
Insilico Medicine 是一家全球临床阶段生物技术公司，由生成式 AI 驱动，利用下一代 AI 系统将生物学、化学和临床试验分析联系起来。该公司开发了使用深度生成模型、强化学习、Transformer 和其他现代机器学习技术的 AI 平台，用于发现新靶点和生成具有所需特性的新分子结构。Insilico Medicine 正在开发突破性解决方案，以发现和开发用于治疗癌症、纤维化、免疫、中枢神经系统疾病、传染病、自身免疫性疾病和衰老相关疾病的创新药物。
人工智能在生命科学领域迅速崛起的影响
Michelle Chen 博士是 Insilico Medicine 的首席商务官。她在生物制药和技术行业拥有 20 多年的丰富经验。在加入 Insilico Medicine 之前，她曾担任药明生物的企业发展和发现业务发展高级副总裁，领导了多项并购和许可交易，推动了与外部生物制药合作伙伴的战略合作伙伴关系和合资企业，在欧洲成立了一家新公司，并在美国和欧洲建立了投资者关系。作为一名生物技术高管，Chen 博士曾在罗氏、默克和 BioMarin 等顶级制药公司以及生物技术和技术公司工作，担任过业务和企业发展、产品营销和研发等职务，取得了辉煌的成功。她拥有华盛顿大学生物化学博士学位，在加州大学旧金山分校从事博士后工作，并在斯坦福大学接受过生物信息学培训。
Microsoft Word - Chemistry42_An_AI-based_platform_for_de_novo_molecular_design_rxiv.docx
Insilico Medicine 是一家开发用于靶标发现和生成化学的 AI 算法的公司，它是首批发布使用深度对抗模型生成新化合物的方法的团队之一（Kadurin、Aliper 等人2017 年）。从那时起，将生成算法与强化学习 (RL) 相结合的基于 DL 的架构已经得到开发并应用于化学和药理学，以生成具有预定义属性的新型分子结构。尤其令人鼓舞的是，活性分子从头设计方面的最新进展已在体外和体内试验中得到验证（Zhavoronkov 等人2019 年）。生成化学领域现在是增长最快的药物发现领域之一（Vanhaelen、Lin 和 Zhavoronkov 2020；Schneider 2018；Merk 等人2018）。Chemistry42™ 平台已在 Insilico Medicine 中被常规且成功地用于推动多个治疗领域的药物发现过程。在以下部分中，我们将描述 Chemistry42™ 平台的主要功能。
医疗保健领域的人工智能与人权
预计医疗保健领域对人工智能技术的采用将继续在各种功能和用例中增长。根据 2022 年进行的一项调查，人工智能是医疗保健行业有望采用的新兴技术中的佼佼者，50% 的受访者表示他们计划在 2022 年投资人工智能技术。该领域的创新示例包括 Insilico Medicine 的人工智能药物发现平台，该平台已生成一种用于治疗特发性肺纤维化的候选药物，并已进入临床试验阶段。
人工智能在医学领域的应用——插图
人工智能 (AI) 技术已用于发展和推动医疗保健行业。医学领域的典型应用场景包括诊断患者、端到端药物发现和开发、改善医患之间的沟通、转录医疗记录以及远程治疗患者。本文旨在介绍人工智能在医学领域的应用，特别是制药和医学成像领域。它首先介绍目前医学领域使用的人工智能技术，然后展示这些技术在制药和医学成像领域的应用。Insilico Medicine（香港）和辉瑞（美国）是制药行业的典型案例；Deepwise（中国）和 GE healthcare（美国）是医学成像行业的典型案例。最后总结了每个行业内以及两国（中国和美国）之间的比较。
英国和欧盟临床试验中的人工智能
例如，AI 已被用于识别或优化可能进入临床试验的目标分子，正如媒体今年早些时候报道的那样，abaucin 被鉴定为一种新型抗生素。同样在今年早些时候，Insilico Medicine 由 AI 生成的一种药物进入了 II 期临床试验。AI 还用于扫描患者记录并帮助识别可能有资格参加试验的患者，例如安进的分析试验优化模块 AI 平台，即 ATOMIC。请参阅《洞察：大型制药公司押注 AI 加速临床试验》，路透社，2023 年 9 月 22 日。这大大提高了患者招募的速度和准确性，从而降低了成本和患者退出率。AI 还被用于帮助分析不良事件数据并更快地识别试验中的潜在安全信号。
LLM是否准备好发现现实世界的材料？
大语言模型（LLMS）创造了令人兴奋的可能性，以加速材料科学中的科学发现和知识传播。虽然LLM已成功地用于选择科学问题和基本挑战，但他们目前不属于实用的材料科学工具。从这个角度来看，我们在材料科学中显示了LLM的相关故障案例，这些案例揭示了与理解和推理有关复杂，相互联系的材料科学知识的当前局限性的局限性。鉴于这些缺点，我们概述了建立基于域知识的材料科学LLM（Matsci-llms）的框架，该框架可以实现假设产生，然后进行假设检验。在很大程度上，获得表现型Matscilms的途径在于构建源自科学文献中采购的高质量的多模式数据集，其中各种信息提取挑战持续存在。因此，我们描述了关键材料科学信息提取挑战，这些挑战需要克服，以构建大规模的多模式数据集，以捕获有价值的材料科学知识。旨在实现解决这些挑战的连贯努力，我们概述了通过六个互动步骤将Matsci-llms应用于现实世界材料发现的路线图：1。材料查询； 2。数据检索； 3。材料设计； 4。Insilico评估； 5。实验计划； 6。实验执行。最后，我们在可持续性，包容性和政策制定方面讨论了Matscillms对社会的一些广泛含义。