人工知能 – 創薬に革命をもたらすゲームチェンジャー、ヘルスニュース、ET HealthWorld

マヘシュ・バルガット博士 人工知能 (AI) は、創薬プロセスを変更する可能性を提示し、過去数年間で大幅に成長しました。 150 以上の企業が AI ベースの医薬品アプローチを適用して資金を調達し、分子を臨床試験に進めています。 創薬における人工知能の使用に飛び込む前に、従来の創薬方法に対する非常に高レベルのアプローチを理解する必要があります。これには、精巧で費用と時間のかかるいくつかの手順が含まれるためです。 標的の同定には、生理学的経路に関与する遺伝子、タンパク質、または転写産物などの適切な生物学的標的の同定が含まれます。 この最初のステップの後にヒットの同定が続きます。これには、リード化合物を生成するための多くのレベルのスクリーニングが含まれます。 リード候補を評価して最適化するこの広範なプロセスにもかかわらず、不十分なバイオアベイラビリティ、許容できない毒性、または生体系でラボの成功を再現できないため、候補の開発の次の段階への進行については常に不確実性があります。 創薬の成功率を改善する方法を解読することに大きな関心が寄せられており、AI と機械学習 (ML) の進歩は、創薬プロセスのあらゆる段階で役立ちます。 製薬業界は、理想的な低分子または高分子薬を特定するために、数百ギガバイトの複雑なデータを生成します。 ハイスループット スクリーニング (HTS) は、研究者が探索する必要がある何千もの化学的および生物学的化合物を分析します。 これらの大規模なデータセットには、統計的に有効なモデルと AI ベースのモデルの実装を生成するための適切な分析方法が必要であり、データ利用とスマートな意思決定の大幅な改善につながります。 この労働集約的で精巧なプロセスは、医薬品のコストにも貢献しています。 報告されているように、発見段階から商業生産までの医薬品の開発には、平均 30 億ドルの費用がかかり、10 ~ 15 年かかります。 ただし、あらゆる努力にもかかわらず、新しい候補は臨床試験で失敗し、規制当局の承認を得られない可能性があります。 Eli Lilly のデータによると、第 1 相試験を開始した潜在的な医薬品のうち、最終的に商品化されるのは約 12% にすぎません。 今必要なのは、AI ベースのモデルを使用して初期段階で戦略を設計し、新薬の減少を抑えることです。 AI主導の創薬の主なハイライト: AI を創薬のさまざまなポイントに実装して、プロセスを加速し、関連するコストを削減できます。 大規模なデータセットの可用性と高度なアルゴリズムの開発により、ML が大幅に改善されました AI駆動の反復スクリーニングは、次世代から世代へのHTSです 創薬のバリュー チェーン全体で、自動化によってラボの効率が向上し、より複雑なタスクに人材が関与できるようになる可能性があります。 AI ベースのテクノロジーが提供するもの AI は、化学、生物学、毒物学、およびオミクス データ セットの管理に関連する複雑さを解決するために必要な技術です。 …

人工知能 – 創薬に革命をもたらすゲームチェンジャー、ヘルスニュース、ET HealthWorld Read More »