
21世纪以来,由于疾病复杂程度不断提升、可成药靶点不断减少等原因,新药研发难度和研发成本迅速增加,全球新药研发成功率明显下降。AI制药作为降本增效的优质解决方案受到了广泛关注。
如图1所示,AI制药是通过将机器学习、深度学习、图像识别、认知计算等系列AI技术有机嵌入至新药研发的各个环节,例如药物结构预测、药物靶标发现、新药分子设计及试验设计等,从而大大缩短新药研发过程,提升新药研发效率。AI赋能新药研发将助力开创新的药物研究范式和开发流程,加速疾病特效药、候选药的诞生,有效减少资本投入及时间投入。
靶点发现
基于患者多组学数据的全新靶标发现及评价
传统方法是在现有文献基础上,通过实验手段,研究疾病和信号通路的相关性,耗时数月至数年,发现全新靶点的可能性极低;如图2所示AI可借助多组学数据,识别患者样本相较于正常人体变异的部分,再通过靶标数据库高效定位可能的靶标分子。

基于分子-靶标识别的分子靶标预测
预测并确证活性分子的靶标是阐明药物作用机理的重要步骤。传统的靶标识别方法主要是同位素示踪法、紫外及荧光光谱法,效率较低;目前常用的方法是基于基因组学和蛋白组学的高通量筛选方法,但仍存在成本较高、实验周期长、不具有普适性等缺点。如图3所示,AI可通过深度学习算法,建立分子-靶标数据库,从而高效预测药物分子的潜在靶标。

图3基于分子-靶标识别的分子靶标预测流程图
(资料来源:中银证券)

晶型预测

ADMET预测

二、AI制药技术专利状况分析
全球申请态势分析

技术来源国家/地区分析

目标市场国家/地区分析

重点技术分支分析

总申请量分析



四、高价值专利分析
专利权人:Atomwise

公开号:US20070061118A1
公开号:US20180285731A1
公开号:US20180285731A1
编辑:毛祎敏
( 图片均来自网络,如涉及版权或其他权益问题,请及时联系告知 )

点个“在看”,关注临港知识产权资讯!

