7大数据对药物发现提供方法

就在你以为你掌握大数据的概念,一套全新的流行语出现:人工智能(AI),机器学习,深入学习、结构化和非结构化数据。但对于制药行业现在这些不仅仅是流行语,他们的承诺的新时代的生产力。完美风暴的两件事:大数据的可用性和计算火力有意义的分析。那么,这些新工具人工智能算法——真的会彻底改变研发、还是比希望炒作?

这个列表突出一些大数据的方式是药物发现提供现在显示有多少行业将获得大数据的最新发展。

1。发现错过了目标

的一个最有前途的大数据在药物发现中的应用它的力量发现新的药物靶点,错过了之前的方法。这样的葛兰素史克(GSK)和辉瑞已经利用这一点,与人工智能技术提供商寻找新的药物靶点和策略从大量不同的生物数据。几家生物技术公司也建立自己的人工智能平台内部的药物发现。其中之一是Berg健康,其方法是先个别病人和使用他们的专用机器学习算法研究的分子活动健康和患病的细胞环境。的方法已经发现了几个目标和候选药物的疾病包括青光眼、脱发、癌症和神经退行性疾病。

2。发现艾滋病毒的阿基里斯之踵

采取目标发现一个全新的水平,研究人员最近在香港使用机器学习来估计gp160健身景观,¹多蛋白,包括艾滋病毒的病毒高峰和艾滋病毒疫苗和抗体类药物是一个有吸引力的目标。创建理想的疫苗,团队想目标片段的飙升,艾滋病毒使用复制和繁殖。这需要他们多蛋白序列映射到程度的健身,东西是不可能没有大数据的方法。他们用人工智能处理20043 815氨基酸残基序列从1918年感染艾滋病毒的人。结果将确定新的免疫原和疫苗接种的方法,迫使病毒变异成不健康的状态和极限引起感染的能力。

3所示。药物筛选的差异

机器学习也获得它的条纹在药物筛选的竞技场,更快,更高的分辨率的方法询问药物反应可以揭示冲击,否则可能会被错过。这是背后的概念递归的药物重定位平台,利用计算机视觉的提取成千上万的形态措施在单个细胞水平的人类遗传疾病的细胞模型。添加特定权力的方法为罕见病药物发现,生物学已经知道,很少或根本没有目标,并正在等公司所采用赛诺菲安万特筛查临床分期的分子新迹象。²

4所示。采矿文献

AI技术给制药业的机会开展研发更有效的所有方面,并且延伸到卑微但重要的文学研究。BenevolentAI开发了一种判断相关系统(江淮),其算法可以检查数以十亿美元计的句子和段落从数以百万计的科学研究论文和摘要。江淮然后标识数据之间的直接关系,调节到“已知事实”。这些已知事实是策划,迄今未实现连接,生成大量的可能的假设使用标准设定的科学家。专家的研究团队然后评估这些假设的有效性来生成一个优先列表被认为是值得进一步探索。公司应用这项技术的生物医学的手臂肌萎缩性脊髓侧索硬化症(ALS),和优先五个化合物在实验室里测试。其中,两人在实验室里对ALS细胞更有效比黄金标准的治疗方法。这些化合物正在进一步开发试验。³

5。Patient-powered研究

大数据技术不仅是对信息的分析,但是我们收集的能力。LymeDisease.org最近推出了MyLymeData,patient-powered注册中心旨在加速研究慢性莱姆病——在美国最常见的媒介传播传染病。⁴许多合同莱姆病患者继续治疗后病情严重。事实上,治疗失败率高达35%至50%。但是只有三个试验的结果在慢性莱姆病在过去的15年里,他们太小,提供健壮的见解治疗反应。希望通过注册中心收集的数据从成千上万的病人将提供必要的数字来理解为什么有些病人对治疗,而另一些则没有。

6。众包抗癌药物的数据

合作推出的肿瘤数据在欧洲,CODE-cancer.com是一个倡议,旨在整理关于抗癌药物使用数据从200年癌症治疗中心在7个欧洲国家在前三年,2000年扩大潜在治疗中心在未来十年。聚合数据的技术平台设计抗癌药物使用所有形式的癌症,在所有的病人,治疗中心在欧洲那些希望加入。我们的目标吗?整理综合,描述如何使用抗癌药物最新数据,然后使用这个通知新一代癌症治疗。

7所示。矿业与人工智能的健康数据

虽然不是严格的药物发现,一个新的“大的挑战在癌症可能会设置一个先例在我们和我的结构化和非结构化数据的整合能力。制药行业尤其重要,他们需要从不同的内部分析数据和公共资源。英国癌症研究中心是为研究人员提供了3000万美元的赠款可以找到新的方法来研究医疗和非医疗数据源点模式可以早期发现癌症。挑战需要整理匿名数据集来自医疗记录和结合匿名数据网络和社会活动,然后开发新工具和算法识别模式,可以优化数据随时间变化的来源。如果成功,团队将会回答一些最困难的和伦理上复杂的大数据问题,如果我们能找到使用个人医疗数据的方法,谁会使用它?以及如何?