药物发现机器学习如何权力呢

最近的评估药物开发过程的成功把第一阶段的比例使其批准的程序仅为13.8%。这不是伟大的,虽然这个数字不是那么糟糕一些早些时候的估计,但指出危机行业内的摩擦。Netramark,多伦多的一家初创公司,声称他们有解决危机。利用各种基于机器学习的方法,Netramark目标给新生活失败,失败的药物通过揭示特定群体,治疗可能证明是成功的,同时减少临床试验规模,使储蓄行业。这是一个令人兴奋的想法,我们最近跟Netramark创始人约瑟夫博士Geraci发现更多关于公司的技术,以及机器学习和量子计算可能使药物开发方便临床医生、科学家和病人。

劳拉·梅森(LM):什么是NetraMark的专有技术和它如何被用来识别潜在的药物靶点?

约瑟夫Geraci(詹):NetraMark制药公司是一个AI公司专用的解决方案与一个独特的机器学习平台:

•药物开发:分层、个性化和安慰剂反应的预测

•药物复活和再利用

•药物发现:新靶点和分子通过经典和量子计算。

我们理解的能力通过各种遗传疾病签名组成的患者人群的独特地位使我们能够具体的子目标人群。通过识别哪些特定蛋白质我们应该目标产生治疗效果,我们正在帮助开创个性化医疗。一旦这样做,我们可以发现分子可以用来治愈或治疗非常严重的复杂疾病,如某些癌症和阿尔茨海默氏症。

LM:什么让你除了其他公司使用机器学习?

詹:我们使用很多机器学习方法。我们创建了一个新的范式基于拓扑中,机器学习的动力系统,随机矩阵,能够“看到”的自组织复杂的患者群体。我们的方法也可以学习从较小的数据集,这是典型的一个临床试验的过程。事实上,我们用我们的方法可以减少临床试验的规模,而不是使它更大的深度上优于方法需求!这转化为储蓄。进一步,我们提供了一种对人类和机器一起工作发现什么是推动一个增广疾病智能驱动的过程。

LM: NetraMaps是什么和如何这些有利于临床医生、科学家和病人吗?

詹:NetraMaps人类专家的车辆像医生和科学家可以看到患者群体在一个强大的新方法。他们可以识别某些病人和他们之间的关系的方式根据不同个性等因素,疾病进展,基因组成和各种其他方法。这允许这些专家设计定做的治疗,因此更有可能对患者是安全有效的。

LM:增强情报提供什么优势?

詹:机器还没有发展到能够单方面做出决定并执行任务,只有人类智慧的能力,特别是在地区改变生活的决定。增强智能解决方案提供给我们,和温和的和真正的出路是建立系统,允许人类和机器之间的合作。人类创造力结合大规模直接计算提供的见解可以在病人的治疗产生重大影响。

Ruairi Mackenzie (RM):你能概述NetraMark量子计算如何发挥作用?

詹:量子计算仍处于起步阶段,但近期进展通过设备来帮助机器学习。这样的工作方式是通过从Rigetti治疗当前的机器学习解决方案,递波,IBM的神谕,经典计算机可以呼吁寻求帮助。有某些类型的机器学习,可以接触到这些量子神谕利用某种类型的重计算提升量子基础计算机可以提供帮助。这些将用于NetraMark两种方式:

1)我们将使用这些理解变量是驾驶患者群体更好——这在未来能带来较好的治疗方案

2)药物分子设计——本质上是量子力学的实体,因此量子计算机可以帮助他们发现和设计十多年来一直和我们在一起。

RM:请注意,你能告诉我们任何关于你的协作与递波吗?

詹:递波和NetaMark一起工作在上述两点。我们写了一篇论文,递波机用来学习如何对肺癌患者进行分类。本文将在接下来的两个星期。

RM:你的演讲在中枢神经系统涉及到数学推动Netramark的技术,这可能是有点外星生物医学科学家。有风险之间的知识差距被创建的工具处理数据,科学家们分析数据?

詹:我们发现感兴趣的科学家们使用机器学习的医学后果不过分关心机器是如何工作的,但他们确实想要感到舒适与决策是如何被到达的。然而,我们的工作与研究人员协作,桥,可以这么说。我们将这个过程转化为一个可理解的格式,所以他们了解我们从a到B。

约瑟夫Geraci劳拉·梅森和Ruairi J Mackenzie说,科学技术网络作家188金宝搏备用