江苏龙网

  1. 首页 > 资讯 > 资讯 > >

腾讯AI技术医药制剂|腾讯通过AI技术加速助力新药研发 2020医药制剂市场发展现状前景预测

7月9日消息 据有关统计：传统药物研发耗时耗力 ， 一般需要超过 15 年 ， 耗资 30 多亿美元 ， 但每年上市的原创新药仅十几种 。 目前 ， 已知的 4000 多种疾病中 90% 尚无药可治 。
如何加速新药研发?腾讯表示 ， 为解决困难 ， 开始做些尝试——发布首个 AI 驱动的药物发现平台 “云深智药(iDrug)” 。 它致力于帮助用户大幅度减少寻找潜在活性药物的时间和成本 。 “云深”源自唐诗《寻隐者不遇》的 “只在此山中 ， 云深不知处” ， 新药的发现过程正是如此 。
基于腾讯 AI Lab 自主研发的深度学习算法 ， 提供数据库和云计算支持 ， 能覆盖临床前新药研发全部流程的五大模块 。
腾讯表示 ， 其 AI Lab 自研的预测蛋白质结构的新思路 ， 该算法在 2020 年起加入行业顶级评估平台 CAMEO(全球唯一的蛋白质结构预测自动评估平台) 。
目前平台上已经运行十个左右研发项目——包括对抗新冠病毒药物的虚拟筛选和性质预测 ， 目前筛选得到的化合物在实验验证中 。
平台如何为药物研发加速助力?
疾病的形成由很多物质组成 ， 最终形成疾病的关键蛋白 ， 我们把它设为靶点 。
解决靶点 ， 就有可能解决疾病 。
而解决靶点 ， 就需要知道它的蛋白结构 ， 再去找到对应的药物破解它 。
了解关键蛋白的结构 ， 设计药物分子来抑制它的功能 ， 疾病就会解除 。
过去通过实验寻找针对疾病靶点的有效药物 ， 往往难度大、周期长、费用高 。
根据中研产业研究院《2020-2025年医药制剂市场发展现状调查及供需格局分析预测报告》
， 从进入临床试验的行业案例来看 ， 在新药研发中 ， AI 技术最快可以将新药发现周期从 3-6 年缩短到 6 个月至 1 年;从技术层面看 ， 云深智药平台同样具备相似的能力 。 它能最快的时间 ， 模拟锁的结构 。
结合 AI 深度学习模型预测的蛋白质结构以及蛋白质功能(蛋白质折叠) ， 就可以有针对性地设计药物分子来抑制它的功能 ， 将疾病通路阻断 。
基于自监督学习的蛋白质折叠方法 ， 不依赖同源序列 ， 而是直接从序列数据库中通过自监督学习 ， 学得共进化的模式 ， 从而能够从无到有地产生出含有共进化信息的伪同源序列 ， 并最终让这些蛋白能够有效折叠 。
通过一种基于深度学习的可迭代方法 ， 有效整合模板建模与自由建模 ， 首次提出了动态的、可迭代的氨基酸对特异性的约束条件 ， 显著提高了建模的精度 ， 从而更好的折叠蛋白 。
云深智药平台 ， 不仅可以根据锁的类型和形状来设计或者选择合适的候选钥匙 ， 还能吸收其他人开锁经验 ， 能极大节省人力物力 。
可通过 AI“迁移 ”从其他靶点上面学习到的知识(如分子局部结构对靶点结合强度的影响) ， 应用在目标靶点上来提高模型预测精度 。
目前该算法在数千个实验数据集上预测精度(预测活性与实验测量活性的相关性)的中位数从目前最高记录 0.36 提升到 0.42 ， 且筛选可用模型的百分比从 56% 提升到 60% 。
平台还支持 ADMET 性质预测功能(药物的吸收、分配、代谢、排泄和毒性) ， 目前已经开源 。 该平台药物小分子 ADMET 属性预测模块已在多个数据集上比学术界现有最好模型提高 3%~11%;在合作伙伴的反馈中 ， 平台的自研算法精度超过现有商业软件 6%~37% 不等 。
当然 ， 除了上述在算法领域不断创新 ， 平台还提供算力和数据库的一体化服务支撑 。
数据方面 ， 分子大数据是药物研发中的基础设施 。
云深智药平台使用的分子大数据 ， 基于现有公开数据集 ， 进行了多个环节的精细清洗整理工作 ， 得到可以用于直接构建深度学习模型的药物分子大数据集 。
算力方面 ， 腾讯云为云深智药平台提供数据库服务 。
药企、科研机构登录平台即可开展研究 ， 不需要再自行部署计算资源 ， 从而能尽快将 AI 能力引入现有的研发流程中 。
更多产业研究专业分析关注中研产业研究院《2020-2025年医药制剂市场发展现状调查及供需格局分析预测报告》


    推荐阅读


    上一篇：种族歧视|种族歧视何时休？海外华侨华人不再忍！

    下一篇：热点|厦门一男子肛门疼了一周，还低烧怕冷！原因曝光，竟和一碗汤有关