-
为什么这一两年AI+药物研发这么火热？
-
AI能从根本上颠覆创新药市场格局吗？
-
AI在创新药研发领域有哪些应用？
-
AI辅助药物研发（AIDD）目前主要应用的算 法有哪些？有何局限性？
-
将AI技术引入药物研发后能否引发学科革命，使得计算科学能够切实指导药物研发？
-
对于AI+药物研发公司来说，算法重要还是数据重要？如何理解算法的优势以及判断数据质量？
-
AI+药物研发公司的主要数据来源有哪些？
-
AIDD主流算法模型需要大量数据驱动，而创新药行业内真实数据依然相对匮乏，如何解决这一问题？
-
目前绝大多数AI+药物研发企业集中在小分子药物研发领域，AI是否也能应用到大分子药物研发领域？
-
什么样的AI+药物研发公司团队称得上是一个优秀的团队？
-
AI+药物研发公司如何进行商业变现？
-
2022年AI+药物研发融资趋势如何？
成为VIP会员查看完整内容
易凯资本健康产业团队: AI+新药研发12个问题解读
相关内容
AI技术中的机器学习、深度学习、自然语言处理等技术能够提高制药数据、信息的处理效率，对于药物研发过程中的新药发现，可以代替研究人员有限的知识储备和想象力，发现原来很难、甚至不可能发现的靶点，这也是AI在制药领域最大的价值点，AI还可以预测候选药物的性能如药物的吸收、代谢、毒性、不良反应等，缩小后期实验范围，降低临床失败概率，大幅降低新药研发的时间、资金成本。机器学习和深度学习算法已在多个药物发现过程中实施，例如肽合成、基于结构的虚拟筛选、基于配体的虚拟筛选、毒性预测、药物监测和释放、药效团建模、定量构效关系、药物重新定位、多药理学和理化活性。过去的证据加强了人工智能和深度学习在该领域的实施。此外，新颖的数据挖掘、管理和管理技术为最近开发的建模算法提供了关键支持。总之，人工智能和深度学习的进步为合理的药物设计和发现过程提供了绝佳的机会，最终将影响人类。
Arxiv
0+阅读 · 2022年4月16日
Arxiv
14+阅读 · 2021年2月14日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2022年4月16日
Arxiv
14+阅读 · 2021年2月14日
微信扫码咨询专知VIP会员