人工智能通过实现候选药物的预测性设计来加速药物发现,从而减少了广泛的物理筛选需求。然而,这种速度凸显了实验室验证中的瓶颈,以及高质量、全面的数据对于有效训练人工智能模型至关重要。Insilico Medicine 等公司正在利用人工智能将药物开发的早期阶段大大缩短,一些候选药物在一年内即可获得提名,尽管完全获得市场批准的时间仍然很长。 AI
影响 人工智能通过改进候选药物的选择来降低早期药物发现的成本和时间,但需要更好的数据基础设施和实验室集成才能充分发挥其潜力。
排序理由 该集群讨论了人工智能在药物发现中的应用,强调了速度和效率方面的进步,但也指出了与数据质量和实验室基础设施相关的重大挑战,这表明了一个主要的行业趋势。
在 Mastodon — sigmoid.social 阅读 →
- Abu Dhabi
- Alex Zhavoronkov
- Bora Pharmaceuticals
- China
- Eli Lilly
- Hong Kong
- Insilico Medicine
- Montreal
- Pfizer
- Reuters
- Shanghai
- MIT Technology Review
- Cytiva
- Eroom's Law
- Mastodon
- Paul Belcher
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →