科技 economic
您现在的位置:首页 > 科技 > 人工智能将成药物研发关键工具

新闻

化工事故年损百亿?谷东科技AR黑科技如何化险为夷? 化工事故年损百亿?谷东科技AR黑科技如何化险为夷?

化工行业年产值3.6万亿美元,背后却藏着触目惊心的安全隐患。数据显示,我国每年化工灾害事故高达百起,直...

  • 全国农技中心到广东调研智慧农业,丰农控股获高度认可

    3月19日至22日,全国农业技术推广中心组织浙江、山东、广西、四川、陕西、广东等省农技推广部门领导专家,调研广东智慧农业。调研组以现场查看、座谈交流等方式,聚焦智慧果园,深入走访广州、韶关、河源、惠州、...

  • 天自照明微孔交叉出光射灯照明行业新趋势

    天自照明首次在国内推广小孔出光射灯,凭借其在照明技术上的独特优势,一举推出6种结构,20款家族式矩阵小孔出光产品,全系列独立开模制造,利用交叉出光技术,通过特定的结构设计、光学设计、LED光源设计,充分...

  • 微软智能办公工具OfficePLUS让创作更轻松!PPT/Wor...

      近日,微软发布智能办公工具OfficePLUS V3.0版本。 全新升级的OfficePLUS V3.0新增了Excel插件,继已发布的PPT/Word插件之后, 完成了对Office核心使用场景的全方位覆盖,让用户拥有更加轻松的创作体验。 ...

科技

勇闯前人未至之境,Pimax Frontier 2022破界而来 勇闯前人未至之境,Pimax Frontier 2022破界而来

北京时间11月10日上午10点,小派科技将携又一款VR3.0力作在PimaxFrontier2022海外发布会正式亮相。去年...

  • G客 4力释放!耕升 GeForce RTX® 40系列GPU评测解...

    2022年9月20日,NVIDIAGTC 2022主题演讲在美国加利福尼亚州圣克拉拉举办。在本次主题演讲中,无数玩家和创作者们期待的GeForceRTX®40系列GPU和NVIDIA®DLSS 3正式发布,为玩家和创作者带来巨大的性能提升。 &n...

  • “破圈”的协作机器人|看越疆如何赋能新商业!

    协作机器人以革新的人机交互技术,打破了传统机器人应用场景的边界,由于安全易用,灵活智能等先天优势,协作机器人在越来越多的场景下释放出巨大潜能,从工业到商业应用快速延伸,势如破竹,触发了前所未有的机遇。 ...

  • 用高科技替代除草剂 保障粮产与食品“双安全”

    “新冠肺炎疫情迅速蔓延全球,一些国家和地区正在加强贸易管控。对于我国粮食安全同样带来严峻考验。”近日,在江苏扬州江都区宜陵镇北斗导航数字化精准化物理除草新技术现场会上,扬州大学机械工程学院张瑞宏教授...

人工智能将成药物研发关键工具

发布时间:2022/07/15 科技 浏览:207

“AI(人工智能)技术应用于药物研发已经引起研究院所和制药行业高度重视,AI开始赋能药物研发的靶标发现和确证、药物先导化合物的发现和优化、药物药代和毒性评价等各个阶段,将成为未来药物研发的关键核心技术之一。”7月12日,中国科学院院士、中国科学院上海药物研究所研究员蒋华良在2022《理解未来》科学讲座第二期“AI+分子模拟与药物研发”作主题演讲时说。

讲座中,蒋华良介绍了国际创新药研发的进展与趋势。他认为,小分子药物方面有一些关键问题亟待AI参与解决。例如,结合自由能的计算速度已较以往提升了3—5倍,而只有当速度提升到上万倍,结合自由能预测精确度与小分子药物设计效率才有望实现本质突破。

在蒋华良看来,制药领域的高投入、长周期等痛点难以在短时间内有所改善,但AI在预测临床候选药物成功率方面将大有可为。“在临床试验当中,大概10种候选药中只有1种会试验成功,而我们积累了上万个药物的临床数据,里面包含以往大量临床试验失败药物的通用数据,通过建模、计算,可以预测排除掉临床候选药物中的失败药物,更好地锁定可能会成功的药物。”蒋华良说。

北京大学化学与分子工程学院教授、北京大学理学部副主任高毅勤在讲座中结合分子模拟谈到,传统的分子模拟在应用于复杂的化学和生物等分子体系时受到严重的时空尺度限制,以深度学习为代表的AI技术可以在理论和计算、理论和实验、计算和实验之间建立有机联系,成为当前突破传统分子模拟瓶颈并为分子模拟和分子科学赋能的重要工具。

据介绍,高毅勤团队基于物理模型、科学实验数据和人工智能算法,发展了多个结合深度学习的分子模拟方法,在全球蛋白质结构预测竞赛(CAMEO)中取得优异成绩。

不过,AI应用于药物研发目前还处于初始阶段。蒋华良表示,需要发展药物研发专用的AI新技术,并与传统的药物分子设计和实验技术紧密结合,才能真正赋能药物研发。

以小分子药物设计为例,高毅勤提到,数据是制约小分子药物设计的最大瓶颈,“目前能够真正获得的可靠数据非常少,数据方面还存在指标不统一、敏感数据难以获取等问题”。

此次讲座主持人、未来论坛理事、北京大学李兆基讲席教授谢晓亮也表示,目前已有企业以自由能计算代替大规模小分子药物筛选,实验中也有以微流控筛选技术增加通量,从而大幅降低费用。然而,由于小分子数据量不足、数据库不够大,还不能实现小分子药物的机器学习预测,这是小分子药物设计所面临的巨大挑战。

高毅勤认为,通过整合单细胞组学信息,建立可靠的细胞响应模型,可以让AI对药物研发下游作出一些预判工作。“如果通量足够高,可以利用该细胞模型,对大分子药物设计及小分子药物设计当中的小分子入膜、蛋白信号传导、蛋白质的入核转运等进行预判,随着AI不断自我学习和优化,预判的精确度也会逐渐提升,若将其打造成公用性的开放平台,将使整个医药研发受益。”

姓 名:
邮箱
留 言: