数据可视化在生物制药:利用人工智能、虚拟现实和先生支持药物发现

数据可视化的重要性越来越被人们发现。曾经认为的仅仅是一个工具来表示数据,科学家们现在在数据探索和认识到它的价值。¹有一个范式转换,即从查看数据块为静态动态三维可视化,这使深入理解不同参数的相互作用。想象一群迁徙的燕子飞过天空的形成——纯粹的诗歌运动。图像很容易解释,找出他们的方向。现在试着查看相同的多个数据点信息。然后,想象试图推导公式,得出有意义的结论,从数百万数据点,从不同的来源,在连续流动运动就像一群蜜蜂嗡嗡作响!

而实时访问不同来源的数据被视为最大的利益这一代,没有足够的面临的挑战已经考虑最终用户在韦德从那些无数的和混乱的数据点。需要新的工具来可视化数据容易,桑吉塔•Sawant博士生物信息学中心主任Savitribai Phule浦那大学认为,“作为生物医学数据继续变得越来越多样化,需要和工具,促进互动的重要性,多才多艺的和综合可视化的数据也越来越多。领域的药物发现这样的可视化工具不仅要求的清晰和全面的表示数据,也为探索导致新见解和发现。

尤其如此,以防数据结构的药物发现过程的核心涉及药物靶点的鉴定,潜在的小分子先导物以及其交互。身临其境的可视化等先进技术的可用性,加上基于ai和深度学习算法用于分子建模和模拟肯定是药物开发的一个关键组件的未来”。

现有的软件工具的局限性

现有的软件工具的例子包括基于浏览器的工具,如ProViz,用于深入查看和操纵多个序列比对时探索蛋白质。JalView是一种工具,显示两个蛋白质序列的排列从UniProt数据库(4000万蛋白质氨基酸序列上市),和编码序列的欧洲分子生物学实验室(EMBL)的数据库。此外,JalView生成一个三维蛋白质折叠结构使用一种称为Jmol的分子建模工具。STRAP-NT是一个程序,使结构突变的解释和单核苷酸多态性。虽然这些强大的工具,它们可访问性和可用性有限,不友好的,往往需要深入了解这些工具的功能。

增加的挑战分析,基因组和蛋白质组数据的。²例如,基因组数据共享(环球数码创意)是世界上最大的癌症数据存储库和美国国家癌症研究所(NCI)聚集4.1 pb(例如410万g)的数据来分析基因签名和驱动精密医学方法。³

有效地分析这类数据的唯一方法是通过使用先进的技术。

基于ai药物发现的解决方案

人工智能(AI)是将数据可视化策略和处理大数据的一个关键组件的精密医学时代。⁴AI允许科学家处理惊人数量的不同的数据类型,经常流动。它还帮助他们关注数据解释,而不是分析。交互式数据显示要以信息丰富、直观的可视化,所以“分片”观点的蛋白质或基因可以获得数据。这些工具迎合不同的需求不同的最终用户,但确保数据的可追溯性和数据安全需求得到满足的高度管制药品的世界。最重要的是,预测分析是实现快速而准确的解释和预测。

市场正逐渐被淹没AI-driven数据可视化应用程序支持药物发现。基于云计算的认知平台使用自然语言处理(NLP) - - -人工智能的一个分支,帮助计算机理解,解释人类语言和操作)正在开发支持药物目标识别和药物再利用。⁵各种基于AI药物发现可视化工具,比如下一代数据发现软件平台,是基于元数据驱动的人工智能技术。这些工具通常辅以数据管理任务自动化功能,使语义搜索和跟踪数据沿袭。

附件包括智能自助服务数据可视化和探索工具,完全交互式的在线和离线移动,拖放简单性和交互式可视化和仪表板。⁶其他的功能已经内置发现减少了数据处理时间,如先进的数据探索选择和分析测试,很容易导航。设计环境中启用交互式可视化和嵌入式分析AI-driven仪表板,这两种简化分析。^7、8

等多参数可视化特性利用丰富的数据视图虚拟库,而整合物理化学性质和预测模型。这些特性有助于优化药物设计,趋势和可以显示参数的关系。⁹Yosipof等的发展,2018年,已经讨论了一个新的学习方法叫做阿尔提振。此工作流结合使用t-Distributed随机邻居嵌入(t-SNE)可视化方法以及不同的ML方法(如决策树,随机森林(RF),支持向量机(SVM),人工神经网络(ANN),再邻居的事例),和逻辑回归模型)分析和分类潜在的药物或其他特征,如特定疾病或器官的行动一个分子。¹⁰

过渡到VR-MR药物发现的世界

在增强现实(AR),用户与数字内容添加到它的真实世界(“口袋妖怪”和“谷歌眼镜”可能想起这里!)。相比之下,虚拟现实(VR)是一种身临其境的体验,让用户完全沉浸在一个数字化的虚拟环境。

混合现实(先生)VR和基于“增大化现实”技术的结合特性。因此,而基于“增大化现实”技术的覆盖虚拟对象在现实环境中,锚先生真实世界的虚拟对象,并允许用户与虚拟物体进行交互,使用设备,如微软的全息透镜,这将创建一个三维图像,全息图。^11、12

新罕布什尔州达特茅斯学院研究和卡迪夫大学,英国展示了潜在的消费者增强现实(AR)设备改善患者的视觉功能几乎完全失明。¹³达特茅斯学院团队(以及一些其他大学)获得100000美元从微软的创新、学术全息透镜的应用程序。¹⁴

虚拟现实是如何改变对药物发现数据可视化

数据可视化的未来是使过程更有活力和推动科学家的创造性的本能让他们玩转这些数据。领先的制药公司已经使用虚拟现实可视化目标和小分子蛋白质,并探索它们之间的交互可视化三维模式。

回忆,那些无忧无虑的日子,你花了几个小时玩电子游戏。现在想象自己作为一名研究者,而不是追逐分子和发现药物如何锁定目标。VR授权终端用户有这种程度的创造力!

虚拟药物发现跨多个平台的解决方案可能有用。人类基因组学分析平台可用于查找和验证的药物靶点。其他人可以使用地图的动态三维形状自由药物分子,提供前所未有的洞察他们的行为和物理性质。¹⁵

混合现实:重新发现的发现过程

破译代码:混合现实的事情!(来源:在古董数据解决方案)

帕维尔Terentiev博士,博士后研究员WPI (Korkin实验室)和联合创始人在古董数据解决方案的重要性凸显了先生在数据可视化。“先生的突破性的技术提供了一种全新的方式来表示数据和设置人机交互。它最大的优点是能够超越传统显示器的大小限制或平板电脑屏幕和表示数据真实的三维空间中用户物理位置。这些好处中发挥重要作用的生物学家在寻找药物靶点或分析临床试验。他们的专业知识是成功的关键的研究。

然而,没有直观、快速、透明的数据基础设施,生物学家可能迷路等大数据量的转录组实验的结果。身临其境的表示允许利用周围物理空间布局数据研究,为了避免失去联系更大的图景,当用户集中到特定子集的数据,并防止重叠的数据点在全球观察。有数据在同一空间是人类探索自然,并允许他们探索以及节省时间,以减少错误的决定或失踪的风险模式通过一个明确的和透明的表示”。

结论

创造性和交互式实时数据可视化的不足和时间失去了从依赖数据科学家正在放缓生物学家在生物制药,导致显著的延迟将毒品市场。

这些需求应该优先解决。访问自助,用户友好的数据可视化将注入速度、成本效率和创造力在药物发现过程。

这已经被Priya Chaudhary博士强调,俄勒冈州健康与科学大学的助理教授,他指出,“实验、临床试验、细胞培养、药物相互作用、生化、成像、病理学、基因组、转录组,代谢组,和蛋白质组数据都需要适当的挖掘和可视化工具。数据分析和可视化已经改变了由于云的可用性和基于web的工具。开源数据将彻底改变数据可视化和加速药物发现过程。机器学习和人工智能将为一个平滑的药物发现和精密医学的道路”。

引用:

1. 欧文斯j .数据可视化在2018年生命科学和药物发现。创新。188金宝搏备用技术网络。//www.dile1000.com/informatics/articles/data -可视化-创新- -生命科学和药物-发现- 296360
2. P杰尔,J Manguy特区盾牌,DG希金斯和戴维。ProViz-a网络可视化工具调查功能和蛋白质序列的进化特征。2016年。44岁的核酸研究W11 -W15, https://doi.org/10.1093/nar/gkw265
3. 编辑团队。为什么大数据对于制药行业是至关重要的。2018年。https://insidebigdata.com/2018/11/23/big-data-critical-pharmaceutical-industry/
4. Buvailo a大型制药公司如何采用人工智能来提高药物发现。2018。BiopharmaTrend.comhttps://www.biopharmatrend.com/post/34-biopharmas-hunt-for-artificial-intelligence-who-does-what/
5. 沃森药物发现加速药物的研究。https://www.ibm.com/products/watson-drug-discovery?%206。
6. Violino b .看看主要的数据发现软件和供应商。TechTarget的。https://searchbusinessanalytics.techtarget.com/feature/A-look-at-the-leading-data-discovery-software-and-vendors
7. 奥康奈尔m . TIBCO Spotfire-A飞跃2017 Gartner BI &分析MQ.2017。https://www.tibco.com/blog/2017/02/27/tibco - spotfire -大-跳- - - 2017年- gartner - bi -分析- mq 2/
8. TIBCO Spotfire WEHI加速药物发现。https://www.tibco.com/resources/success-story/wehi-speeds-drug-discovery-tibco-spotfire
9. 为增强定理的定义,混合和虚拟现实http://www.theorem.com/digital-realities/augmented-mixed-virtual-reality-definitions.htm
10. Yosipof,古埃德RC和Garcia-Sosa。数据挖掘和机器学习模型预测药物相似,其疾病或器官范畴。2018。前化学6:162。https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5954128/
11. 混合现实技术——虚拟的未来和增强现实在这里。2018。https://codeburst.io/mixed-reality-technology-the-future-of-virtual-and-augmented-reality-is-here-b9fb2a552d19
12. 诺华探索虚拟现实工具研发药物发现。2017年。生物制药的趋势。https://www.biopharmatrend.com/post/35-novartis-explores-virtual-reality-tools-in-drug-discovery-rd/
13. Kinatder M, Gualtieri J邓恩MJ, Optom MC, Jarosz W,杨XD和库珀EA。使用一个增强现实装置作为基于距离视觉援助承诺和局限性。Optom Vis Sci 2018;00(00),卷1 - 1 11。https://www.cs.dartmouth.edu/兴东/论文/ AR.pdf
14. Conditt j .微软将拿出500美元这五个全息透镜格兰特赢家。瘾科技https://www.engadget.com/2015/11/11/microsoft-hololens-contest-winners/
15. 对药物发现C4X发现使用虚拟现实。2018年。https://healthiar.com/c4x-discovery-uses-virtual-reality-for-drug-discovery