人工智能在药物设计的应用-人工智能在药物设计的应用论文

大家好，今天小编关注到一个比较有意思的话题，就是关于人工智能在药物设计的应用的问题，于是小编就整理了2个相关介绍人工智能在药物设计的应用的解答，让我们一起看看吧。

1. 人工合成药的名词解释？
2. 人工智能是如何辅助药物研发的？

人工合成药的名词解释？

人工合成药材名词解释：

***用化学合成方法代替天然生长繁殖的药材。

有些动、植物药材由于自然***稀少，人工繁殖又无成功经验。为保证药用增长的需要，依靠现代科学方法，按药用有效成分及其生物化学结构，从其他动、植物中提取相应的成分，进行化学合成，如人工合成牛黄、合成冰片等，经过临床验证与原天然药材的品质疗效相同或相近，并经卫生行政部门批准后生产供应。

人工智能是如何辅助药物研发的？

药物研发是一个非常耗时耗力的研发，一个公司用10年耗费15亿也不一定能研发出来。

目前AI在药物研发领域应用还处于起步阶段，但是未来3-5年，会有很大的发展。

AI***药物研发主要在药物靶点发现，先导化合物的发现、特定作用的化学分子的合成等等。

AI药物研发头部公司Insilico Medicine，在2019年9月在国际顶级学术杂志《Nature》子刊上发表了《深度学习能够快速识别强效DDR1激酶抑制剂》，从最初的靶点确定，到完成苗头化合物结构虚拟筛选，仅用时21天，到苗头化合物的合成及初步体外实验验证，用时仅46天。让整个研发时间缩短到5-10年的时间。

目前用AI成功为药企开发出药物分子还不多。

上面的文献链接：

我正在从事AI在药物靶点发现、肿瘤免疫、多组学研究的应用。我的公众号将长期分享AI在药物研发领域的研究。

现在测试很多药物都要先经过动物实验，但是一项最新研究说，用机器学习的方法来分析大数据，可以让电脑在判断一些药物的毒性时，表现得比动物实验还要好。

美国约翰霍普金斯大学（Johns Hopkins University）的研究人员近日在《毒理科学》（Toxicological Sciences）上报告说，他们设计了一套机器学习的程序，让它学习了已有的关于化合物毒性的大数据，这些数据涉及1万种化合物，建立在80万次动物实验的基础上。

电脑在对这些海量数据进行分析后，总结出化合物中哪些分子结构可能对动物有哪些毒性，随后给电脑一种新化合物，它就能判断出这种化合物的毒性如何。

与需要消耗较长时间的动物实验相比，让电脑判断化合物毒性不仅更快，并且在某些时候结果更好。因为在动物实验中，不同动物因为个体差异所给出的反应不同，往往需要多批次动物实验，才能得到较可靠的结果。研究人员在论文中说，电脑的判断结果常常更好，其可靠性超过任何单次的动物实验。

但是，这种用来预测药物毒性的人工智能也有缺陷，就是还只能分析一些简单的毒性，比如化合物混在空气中被吸入后立即产生的毒性等，而对于一些长时间和复杂的毒性反应，比如对于癌症和生殖系统的影响，这种电脑程序还无法替代动物实验。

展望未来，研究人员认为随着数据的不断积累和人工智能算法的提高，用电脑软件预测药物可能引起的反应，而不是依靠动物实验，是一种逐渐兴起的趋势。据介绍，美国国家卫生研究院（National Institutes of Health）和欧洲化学品管理局（European Chemicals Agency）等机构都在推动这方面的发展。

也许将来宇航员到了外星球，发现一种新物质后，用电脑软件一分析，就能知道是穿肠毒药还是灵丹妙药呢。

到此，以上就是小编对于人工智能在药物设计的应用的问题就介绍到这了，希望介绍关于人工智能在药物设计的应用的2点解答对大家有用。

[免责声明]本文来源于网络，不代表本站立场，如转载内容涉及版权等问题，请联系邮箱:83115484@qq.com，我们会予以删除相关文章，保证您的权利。转载请注明出处：http://www.bfgfmw.com/post/74608.html