AI热榜 赞助 与 Cytiva 合作 药物发现是一项高成本、高风险的工作，它面临着日益由先发优势决定的市场带来的越来越大的压力。
自 20 世纪 50 年代以来，开发新药物的成本大约每九年翻一番，这种现象被称为“埃鲁姆定律”。
如今，将一种新药推向市场平均需要 10 至 15 年的时间，成本从 10 亿美元到 25 亿美元不等，失败率高达 90%。
人工智能已成为制药行业提高成功率和缩短时间的最大赌注。
制药公司识别、测试和优化新化合物的速度越快，开发后期发生代价高昂的失败的风险就越低。
全球生命科学公司 Cytiva 蛋白质研究策略总监 Paul Belcher 表示：“药物发现的主要成本仍然是临床阶段，因此尝试降低风险并提高成功率显然是非常有益的。
” “制药公司希望人工智能是一种方法，不仅可以节省时间并压缩时间表，而且可以使更优质的候选人能够进入诊所。
” 人工智能在药物发现中的早期使用显示了潜力，但也凸显了对可靠和真实数据以及实验室系统集成的需求。
人工智能在药物发现中最有前途的早期应用之一是命中识别。
这涉及针对疾病相关靶点（例如蛋白质）筛选分子实体库，以找到与其结合的分子。
一次成功的成功为研究人员提供了进一步测试和改进的起点，目的是最终开发出一种可行的药物。
Belcher 见证了从经验筛选到预测设计的转变：制药公司现在不再使用物理筛选库，而是使用人工智能从头开始设计候选药物，并在投入研发 (R&D) 之前预测它们将如何与疾病靶标相互作用。
这意味着公司不再受到物理筛选以确定起点的限制。
“人工智能消除了这一点，”贝尔彻说。
“它可以帮助您在对低质量候选人进行物理测试之前淘汰他们，从而节省时间和资源。
”
🔗 原始来源
如果你要核对细节，可以再看原文： MIT Tech Review原文链接