AI硬控诺贝尔奖时代，，，，，yl23455永利走出AI+CRO 新药研发新路径

在今年诺贝尔奖的强烈角逐中，，，，，人工智能（AI）无疑大放异彩，，，，，抢尽了风头。。。。

先是诺贝尔奖物理学授予了AI在人工神经网络机械学习，，，，，后有诺贝尔奖化学领域再次对看重AI，，，，，肯定了其在盘算卵白质设计与卵白质结构展望方面的卓越应用。。。。AI硬控诺贝尔奖，，，，，成为了万众瞩目的焦点。。。。

图源：诺贝尔官网

在AI厘革时代，，，，，yl23455永利作为一站式生物医药临床前研发效劳平台，，，，，依附其敏锐的洞察力和前瞻性的结构，，，，，不但紧跟时代程序，，，，，更成为了AI+CRO领域的先行者和推动者。。。。

AI+制药，，，，，周全渗透药物研发

在医药领域，，，，，AI的应用已逐步渗透到药物研发的各个要害环节，，，，，从靶点的发明和识别、药物的重新设计、ADMET（吸收、漫衍、代谢、渗透和毒性）展望，，，，，光临床试验的设计与执行，，，，，AI正周全改变着药物研发的古板模式。。。。

1. 靶点的发明和识别

古板靶点发明历程往往依赖于实验数据积累和文献调研，，，，，耗时耗力且本钱高昂。。。。而AI手艺则能够通过大数据剖析，，，，，快速挖掘海量生物信息数据中的潜在靶点，，，，，连系机械学习算法，，，，，对靶点举行精准展望和验证。。。。这不但大大提高了靶点发明的效率，，，，，还降低了发明本钱，，，，，为药物研发提供了更多可能性。。。。

图源：英矽智能

如：三名高中生使用英矽智能AI靶点发明平台PandaOmics确定了多形胶质母细胞瘤的新治疗靶标^[1]，，，，，而IBM的Watson系统通过阅读大宗的文献摘要和论文，，，，，展望了RNA连系卵白与肌萎缩侧索硬化（ALS）的相关性^[2]，，，，，这些案例都有力地证实了AI在靶点发明领域的完善与强盛潜力。。。。

2. 药物的重新设计

在药物设计方面，，，，，AI展现出了强盛的盘算能力。。。。通过机械学习算法，，，，，AI能够展望化合物的生物活性、毒性以及药代动力学性子，，，，，从而设计出具有潜在药效的候选分子。。。。这种重新设计的要领不但提高了药物的研发效率，，，，，还降低了研发本钱，，，，，为新药研发开发了新的蹊径。。。。

一种自然界中不保存的卵白质折叠形式 Top7

图源：Terezia Kovalova/The Royal Swedish Academy of Sciences

如：大卫·贝克尔（David Baker）使用软件创立出了一个与自然卵白质截然差别的新卵白质Top7，，，，，以及英矽智能使用AI驱动的药物设计平台Chemistry42快速设计出新的潜在药物化合物INS018_055，，，，，都是AI在药物设计领域取得的主要效果。。。。值得关注的是，，，，，INS018_055已进入临床二期，，，，，并受到诺贝尔化学奖得主迈克尔·莱维特博士的高度评价。。。。

3. ADMET展望

ADMET展望是药物研发历程中的主要一环。。。。AI手艺能够综合思量化合物的物理化学性子、生物转化途径以及潜在毒性等多方面因素，，，，，对化合物的ADMET性子举行精准展望。。。。这有助于在早期阶段就筛选出具有优异药代动力学性子和较低毒性的候选药物，，，，，镌汰后期研发失败的危害。。。。

AiDMET展望的Fosravuconazole经酯酶代谢为Ravuconazole的历程

图源：AiDMET成药性展望平台

如：天智药成团队开发的AiDMET成药性展望平台乐成展望了Fosravuconazole和Ravuconazole的理化性子参数以及代谢历程；；；；Liu等人使用定向新闻转达网络（D-MPNN）对FOODB库中的化合物举行的Nrf2激动活性展望及毒性剖析^[3]，，，，，以及QSAR模子的普遍用都充分展示了AI在药物ADMET展望中的有用性和准确性。。。。

4. 临床试验设计与执行

在临床试验阶段，，，，，AI同样施展着主要作用。。。。通太过析历史试验数据和患者信息，，，，，AI能够优化试验设计，，，，，提高试验效率和准确性。。。。同时，，，，，AI还能实时监测患者的心理指标和反应情形，，，，，为医生提供实时的反响和建议，，，，，确保试验的清静性和有用性。。。。

临床试验模拟及剖析流程图^[4]

如：斯坦福大学团队开发的Trial Pathfinder^[4]使用电子康健纪录（EHR）数据优化临床试验入组标准，，，，，提高着募效率并确；；；；颊咔寰；；；；医渡科技与北京大学肿瘤医院相助，，，，，使用AI自动扫描手艺发明临床试验数据质量问题[5]。。。。这些应用通过AI手艺自动筛选患者、剖析数据，，，，，有力支持药物研发与上市。。。。

AI+CRO模式的探索与实践

海内AI+新药企业商业模式统计情形

数据泉源：果真信息及调研访谈，，，，，蛋壳研究院制

CRO，，，，，同AI手艺一样，，，，，致力于降低研发本钱并提升研发效率。。。。AI手艺的蓬勃生长，，，，，不但倾覆了药物研发的古板范式，，，，，更引领了AI+CRO这一立异研发模式的降生。。。。该模式将AI手艺的前沿智能剖析、精准展望能力，，，，，与CRO公司卓越的药物研发专业实力、富厚项目履历及高效执行战略完善融合，，，，，为新药研发带来了显著优势：

高效精准的研发系统：连系AI的数据处置惩罚、模子展望与自动化实验能力和CRO的专业研发及实验验证履历，，，，，构建了一个高效、精准的药物研发系统，，，，，显著提升了研发效率。。。。与古板新药研发管线比，，，，，基于AI和生物盘算的新药研发管线平均 1-2 年就可以完成临床前药物研究 ^[6]，，，，，可缩短前期研发约一半时间，，，，，使新药研发的乐成率从目今的 12% 提高到 14%，，，，，每年为全球节约化合物筛选和临床试验用度约 550 亿美元 ^[7]。。。。

数据驱动与智能化决议：使用CRO积累的实验数据，，，，，AI手艺举行深度剖析和展望，，，，，为药物研发提供智能化的决议支持，，，，，快速筛选出具有潜力的药物候选物，，，，，优化了研发流程。。。。

降低本钱与提高乐成率：AI手艺的精准展望和优化能力镌汰了不须要的实验和重复劳动，，，，，降低了研发本钱；；；；同时，，，，，通过模拟和展望药物在生物体内的行为，，，，，AI手艺提高了研发乐成率。。。。

增进新药发明与加速上市：AI+CRO模式为药物研发提供了新的思绪和要领，，，，，推动了新药发明的立异。。。。AI的立异能力一直拓展药物研发的界线，，，，，为治疗种种疾病提供了更多可能性，，，，，有助于发明古板要领难以发明的新药。。。。

yl23455永利：一站式生物医药临床前CRO的AI探索

作为AI+CRO领域的先行者和实践者，，，，，yl23455永利二十年来一直起劲探索药物研发的前沿手艺。。。。在AI制药领域，，，，，yl23455永利于2021年联合提倡建设张江AI新药研发同盟，，，，，陈春麟博士出任同盟首届轮值联席主席。。。。至今，，，，，yl23455永利已与英矽智能、德睿智药、深势科技等多家AI立异药研发公司告竣战略相助。。。。别的，，，，，yl23455永利基于AI手艺的一站式立异药临床前研发效劳平台项目申报了政府相关政策帮助。。。。

基于自身富厚的立异药物分子设计履历及手艺储备，，，，，以及AI的赋能，，，，，yl23455永利搭建了AI药物发明效劳平台，，，，，可提供卵白结构展望与模拟、binding site发明、信息提取与洗濯，，，，，以及定制化项目数据库构建等，，，，，知足科研事情者多样化的需求。。。。别的，，，，，平台还深度助力Target-to-hit、Hit-to-lead、Lead-to-PCC等要害研发阶段，，，，，为药物研发提供了全方位的手艺支持，，，，，加速药物研发管线历程。。。。

多年的深耕细作，，，，，yl23455永利在AI制药领域取得了丰富的效果。。。。如yl23455永利为英矽智能ISM3412药物提供了涵盖药代动力学、清静性评价等在内的周全临床前研发效劳；；；；为德睿智药MDR-001提供了质料药工艺开发和制剂研发效劳，，，，，为药物的快速获批涤讪了坚实的基础。。。。

2024年诺贝尔化学奖的公布，，，，，再次彰显了AI+制药深度连系的重大潜力。。。。随着AI手艺的一直生长和应用，，，，，AI药物研发已经成为新药发明的主要途径之一。。。。yl23455永利将继续秉持“立异驱动、质量至上”的效劳理念，，，，，起劲探索AI在药物研发中的新应用和新模式，，，，，为新药研发提供越发高效、无邪和定制化的解决计划。。。。同时，，，，，yl23455永利期待与更多相助同伴携手共进，，，，，配合开创AI制药领域的新纪元。。。。

参考文献：
1.Olsen, A., Harpaz, Z., Ren, C., Shneyderman, A., Veviorskiy, A., Dralkina, M., ... & Zhavoronkov, A. (2023). Identification of dual-purpose therapeutic targets implicated in aging and glioblastoma multiforme using PandaOmics-an AI-enabled biological target discovery platform. Aging, 15.
2.刘晓凡,孙翔宇,朱迅.人工智能在新药研发中的应用现状与挑战[J].药学希望,2021,45(07):494-501.
3.Liu S, et al. Virtual Screening of Nrf2 Dietary-Derived Agonists and Safety by a New Deep-Learning Model and Verified In Vitro and In Vivo. J Agric Food Chem. 2023 May ;71(21):8038-8049.
4.Ruishan Liu, et al. Evaluating eligibility criteria of oncology trials using real-world data and AI. Nature, 2021.
5.https://mp.weixin.qq.com/s/j2_z_CSZf0VNRVRVrULxOQ
6.Chan H, Shan H, Dahoun T, et al. Advancing drug discovery viaartificial intelligence[J]. Trends Pharmacol Sci, 2019, 40(8): 592–604.
7.Wong C H, Siah K W, Lo A W. Estimation of clinical trial successrates and related parameters[J]. Biostatistics, 2019, 20(2): 273–286.