Biotechnologie wendet KI und maschinelles Lernen auf die Arzneimittelentwicklung an und schafft möglicherweise Dutzende neuer Medikamente und einen Markt von 50 Milliarden Dollar im nächsten Jahrzehnt.Dies bedeutet für Patienten und Investoren:.

Einleitung:

Für Biotech-Unternehmen ist ein großer Teil des traditionellen Prozesses der Entdeckung neuer Medikamente kostspielig.hilft Unternehmen, große Datensätze zu nutzen, um schnell Patientenreaktionsmarker zu identifizieren und kostengünstiger und effizienter lebensfähige Arzneimittelziele zu entwickeln.

Die Ergebnisse könnten nicht nur für medizinische Dienstleister und Patienten mit schwer behandelbaren Krankheiten, sondern auch für den Biotech-Bereich von entscheidender Bedeutung sein: Morgan Stanley Research believes that modest improvements in early-stage drug development success rates enabled by the use of artificial intelligence and machine learning could lead to an additional 50 novel therapies over a 10-year period, was sich in eine Chance von mehr als 50 Milliarden Dollar übersetzen könnte.

"Vorhersagende Diagnostik, verstärkt durch Daten, bietet eine bedeutende kurzfristige Chance für die Lebenswissenschaftsindustrie", sagt Tejas Savant.der die Biowissenschaften und Diagnostik bei Morgan Stanley Research behandelt.Die Ergebnisse der Studie sind in den meisten Fällen sehr unterschiedlich, wobei die Ergebnisse in den meisten Fällen unterschiedlich sind.Sie können auch erhebliche Kosteneinsparungen bewirken, indem sie die Früherkennung und Behandlung von Patienten mit höherem Risiko ermöglichen..??

WARUM KI in der Drogenentdeckung einsetzen?

Das zentrale Ziel der Arzneimittelforschung ist es, Arzneimittel zu identifizieren, die vorteilhaft auf den Körper wirken, d. h. eine bestimmte Krankheit verhindern oder behandeln können.

Obwohl es verschiedene Arten von Arzneimitteln gibt, sind viele kleine chemisch synthetisierte Moleküle, die sich speziell an ein Zielmolekül binden können - in der Regel ein Protein -, das an einer Krankheit beteiligt ist.

Um diese Moleküle zu finden, führen Forscher traditionell große Bildschirme von Bibliotheken von Molekülen durch, um eine zu identifizieren, die das Potenzial hat, zu einer Droge zu werden.Sie gehen dann durch zahlreiche Testrunden, um dies zu einer vielversprechenden Verbindung zu entwickeln..

In jüngster Zeit werden rationalere, auf Strukturen basierende Arzneimittelentwurfsansätze immer häufiger.Diese vermeiden die ersten Screening-Phasen, erfordern aber dennoch, dass Chemiker potenzielle neue Medikamente entwickeln, indem sie, die Synthese und Auswertung zahlreicher Verbindungen.

Da es im Allgemeinen unbekannt ist, welche chemischen Strukturen sowohl die gewünschten biologischen Wirkungen als auch die Eigenschaften haben, die erforderlich sind, um ein wirksames Medikament zu werden,Der Prozess, eine vielversprechende Verbindung zu einem Arzneimittelkandidaten zu veredeln, kann sowohl teuer als auch zeitaufwendig seinDie neuesten Zahlen zeigen, dass die Kosten für die Markteinführung eines neuen Arzneimittels mittlerweile durchschnittlich 2,6 Mrd. US-Dollar betragen.

Zudem kann ein neuer Wirkstoffkandidat, wenn er einmal in Laborversuchen Potenzial gezeigt hat, bei der Einführung in klinische Studien scheitern.Nach Phase I-Studien kommen weniger als 10% der Arzneimittelkandidaten auf den Markt.

In Anbetracht dessen ist es nicht verwunderlich, dass Experten nun auf das beispiellose Datenverarbeitungspotenzial von KI-Systemen zurückblicken, um die Entdeckung neuer Medikamente zu beschleunigen und die Kosten zu senken.Laut dem Marktforschungsunternehmen Bekryl, hat KI das Potenzial, bis 2028 mehr als 70 Milliarden US-Dollar für den Prozess der Arzneimittelentdeckung zu sparen.

Wie kann KI zur Entdeckung von Drogen eingesetzt werden?

The sheer size of the libraries used to screen for new drug candidates means it’s now practically impossible for individual researchers to review everything themselves - and that’s where AI and machine learning can help.

Diese anspruchsvollen Techniken ermöglichen es Forschern, aus riesigen Datensätzen versteckte Erkenntnisse zu gewinnen.

• Vorhersagen der Eigenschaften einer potentiellen Verbindung,Dies bedeutet, dass nur Verbindungen mit den gewünschten Eigenschaften für die Synthese ausgewählt werden, um Zeit und Geld zu sparen, indem die Arbeit an Verbindungen, die wahrscheinlich nicht wirksam sind, verhindert wird..
• Ideen für völlig neuartige Verbindungen zu entwickeln,Die Ergebnisse der Studie zeigen, dass die Ergebnisse der Studie in der Praxis sehr unterschiedlich sind, wobei das “erfindete” Molekül voraussichtlich alle gewünschten Eigenschaften hat, die für den Erfolg erforderlich sind, was die Entdeckung effektiver neuer Medikamente enorm beschleunigen könnte..
• Verringerung der Notwendigkeit wiederholter Aufgaben wie der Analyse von Tausenden von histologischen Bildern ­ Einsparung von Hunderten von Arbeitsstunden im Labor.

Dies sind nur einige der möglichen Vorteile, wenn man sich das frühe Ende der Drogenentdeckungspipeline ansieht.

KS-V-Peptid KI-gestützte Drogenentdeckung:

Das Anbringen von Peptiden an das Ziel und das Scoren der bindenden Konformationen, die Ergebnisse mit den besten Punkten behalten und weiterhin nach besseren Sequenzen suchen, basierend auf früheren Ergebnissen.Wiederholen des Prozesses, bis sich die Punktzahl nicht signifikant ändertDie Kombination von KI-gestützter Medikamentenentdeckung mit Laborautomatisierung,und andere Technologien können den Prozess der Arzneimittelentdeckung weiter verbessern, indem sie seine Effizienz erhöhen und Zeit und Kosten reduzieren.

KS-V-Peptid KI-gestützte Fallstudie zur Entdeckung von Drogen: