AI在新药研发中的应用与价值提升_第1页
AI在新药研发中的应用与价值提升_第2页
AI在新药研发中的应用与价值提升_第3页
AI在新药研发中的应用与价值提升_第4页
AI在新药研发中的应用与价值提升_第5页
已阅读5页,还剩19页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

20XX/XX/XXAI在新药研发中的应用与价值提升汇报人:XXXCONTENTS目录01

AI与新药研发基础概述02

AI在新药研发中的落地场景03

AI给新药研发带来的价值04

AI+新药研发的产业发展趋势05

医药专业学生的发展建议AI与新药研发基础概述01靶点发现效率低传统依赖生物实验筛选,周期长,成功率不足千分之一,多年来难有突破性新靶点产出。化合物筛选成本高昂需合成大量化合物逐一测试,平均筛选万个化合物才可能获候选物,研发成本超十亿美元。临床试验成功率低依赖经验招募受试者、设计方案,候选药物临床失败率超九成,造成大量资源浪费。新药研发传统流程痛点AI技术的介入发展历程

萌芽起步阶段(1980-2000年)该阶段AI初步用于化合物活性预测,受限于算力,仅能处理小规模数据,未实现规模化应用。

稳步发展阶段(2001-2015年)人类基因组计划完成带来大量生物数据,AI开始应用于靶点发现,提升了候选靶点筛选效率。

高速爆发阶段(2016年至今)深度学习算法普及带动AI应用全流程渗透,AlphaFold预测蛋白结构,推动多款AI辅助药物进入临床。AI在新药研发中的落地场景02靶点发现与验证

基于测序数据的全新靶点挖掘AI分析癌症基因组测序数据,快速筛选出驱动肿瘤发展的潜在新靶点,大幅缩短筛选周期。

靶点结合亲和力预测AI模型能精准预测候选分子与靶点蛋白的结合亲和力,帮助研究者提前淘汰低亲和力候选物。

靶点成药性验证DeepMind的AlphaFold通过预测靶点蛋白三维结构,帮助研究者快速验证靶点的可药性。

罕见病致病靶点筛选AI整合多组学生物数据,快速定位罕见病的致病靶点,解决了传统研究样本量不足的难题。基于靶点的化合物活性预测DeepMind开发的AlphaFold可准确预测蛋白结构,帮助AI快速预判化合物与靶点的结合活性。全新先导化合物从头设计英国DeepMind与药企合作,通过AI从头生成了符合靶点要求的新型糖尿病先导化合物。化合物合成路径规划设计IBM研发的AI工具可快速规划复杂化合物合成路线,比传统方式缩短数倍研发时间。化合物筛选与设计药物晶型预测

优势特征建模深度神经网络学习已知晶型结构特征,可快速拟合晶型能量曲面,缩短预测周期。

多晶型稳定性评估AI可精准计算不同晶型的自由能差,提前预判优势晶型,降低研发后期风险。

工业生产晶型预判英国葛兰素史克借助AI预测晶型转变趋势,优化了结晶工艺参数,提升产品稳定性。临床试验方案优化受试者招募匹配优化AI可分析电子病历与基因数据,快速匹配符合入组标准的受试者,缩短新药临床试验招募周期。试验剂量方案优化AI能模拟不同给药剂量下的药效毒理反应,帮助设计者确定最优给药剂量方案,降低试验风险。试验流程动态调整优化DeepMind相关AI工具可实时监测试验数据异常,动态调整试验分组与流程,提升试验结果可靠性。不良反应信号挖掘谷歌DeepMind开发的AI模型可快速从千万份公开临床报告中抓取罕见不良反应信号。大规模人群用药风险预测AI结合电子健康档案数据,可精准识别特定人群的用药过敏风险,提前预警。药品不良反应数据库更新AI可自动整理最新上报的不良反应案例,完成数据库的实时更新与分类标注。上市后药物安全监测AI给新药研发带来的价值03缩短研发周期降本提效01加速靶点筛选验证传统靶点验证需耗时数年,AI能通过算法快速分析海量生物数据,筛选出高潜力候选靶点。02优化分子化合物设计AI可基于已有药物分子数据生成新分子结构,辉瑞用AI快速设计出新冠口服药Paxlovid的关键分子。03减少临床试验试错成本AI能精准预测受试者对药物的反应,帮助研究者筛选合适试验对象,降低试验失败概率。提升新药研发成功率靶点验证精准化AI通过多组学数据整合分析,可高效筛选出真正与疾病相关的有效靶点,降低假阳性概率。化合物筛选高效化AI能快速从百万级化合物库中筛选出潜在活性分子,比传统筛选减少无效试验,提升命中概率。临床患者招募优化AI可匹配患者基因型、疾病特征与试验要求,精准定位受试者,加快招募速度,降低试验失败风险。拓展药物研发边界

罕见病药物研发针对发病率极低的罕见病,AI降低了靶点筛选成本,全球已有多款AI辅助研发的罕见病新药进入临床试验。

老药新用开发AI通过分析现有药物的分子结构与作用机制,成功挖掘出已上市药物的新适应症,比如二甲双胍用于抗衰老研究。

全新机制药物设计AI突破传统药物设计的经验限制,能够从头设计出针对难成药靶点的全新分子,拓展了药物来源。推动个性化药物研发

基于基因特征定制药物靶点AI分析个体基因组数据快速匹配专属致病靶点,助力研发针对特定基因分型的靶向抗癌药。

优化药物剂量的个体化适配AI结合患者代谢特征、基础病史建模,能精准预测适配药量,降低通用剂量的不良反应风险。

加速罕见病个性化药物开发AI可通过罕见病小样本数据建模推演,辉瑞已借助该路径推进多种罕见病对症新药研发。AI+新药研发的产业发展趋势04跨模态药物分子特征整合可同时处理序列、结构、图像等多源数据,更精准捕捉分子潜在成药特性,降低特征遗漏风险。蛋白-小分子对接多模态预测DeepMind联合研发的多模态模型,可同步解析蛋白结构与小分子性质,对接准确率提升超30%。临床数据多模态挖掘适配融合病历文本、影像检查、基因检测多源数据,可快速挖掘潜在适应症,缩短新药适应症拓展周期。多模态大模型融合应用产学研用融合生态构建跨主体数据共享平台搭建

头部药企联合高校、AI企业搭建共享化合物数据库,降低中小研发团队数据获取成本。人才联合培养机制完善

药企、高校开设AI+新药研发交叉课程,企业提供项目实训,定向输出复合型研发人才。成果转化绿色通道搭建

政府牵头设立转化基金,对接资本与研发团队,加速AI筛选的候选药物落地临床。监管政策逐步完善规范出台专门AI药物研发监管文件美国FDA2024年发布AI开发药品指南草案,明确模型验证等核心监管要求。建立AI模型可解释性监管要求欧盟EMA要求AI药物研发公开模型训练数据来源,保障研发过程可追溯。完善AI药物临床试验审批规则中国NMPA2023年更新AI辅助药物研发的临床试验申报流程,压缩审批时长。医药专业学生的发展建议05跨领域能力培养方向AI基础工具实操能力学习Python基础编程和常用AI药物研发工具,能借助ChatGPT批量整理文献,提升信息处理效率。交叉学科知识整合能力主动学习AI模型原理和生物信息学知识,能结合医药专业解读AI输出的分子筛选结果。AI伦理与合规认知能力了解医药AI研发的数据隐私规范,能正确规避AI生成药物靶点结论中的合规风险。前沿赛道就业机会梳理

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论