本文摘要：如今，人工智能算法可以通过深度自学展开十分详细的数据分析，从人脸识别到医学影响分析，人工智能算法的展现出早已跟上甚至打破了人的展现出。更加多的高科技被各大药企应用于新药研发领域，他们期望借以探寻提升新药研发效率、节省更加多成本的路径。 Atomwise，一家坐落于旧金山的创业公司和YCombinator公司，早已创建了一个取名为AtomNet（pdf）的系统，该公司企图为潜在的埃博拉病毒和多发性硬化症等疾病生产药物。

如今，人工智能算法可以通过深度自学展开十分详细的数据分析，从人脸识别到医学影响分析，人工智能算法的展现出早已跟上甚至打破了人的展现出。更加多的高科技被各大药企应用于新药研发领域，他们期望借以探寻提升新药研发效率、节省更加多成本的路径。

Atomwise，一家坐落于旧金山的创业公司和YCombinator公司，早已创建了一个取名为AtomNet（pdf）的系统，该公司企图为潜在的埃博拉病毒和多发性硬化症等疾病生产药物。项目目的运用超级计算机、AI和简单的算法仿真制药过程，来预测新的药品的效果，同时减少研发成本。Atomwise发售了两个表明AtomNet潜力的项目，多发性硬化症药物和埃博拉病毒。

根据Atomwise，MS药物已被许可给予以公开发表的英国药理公司，埃博拉药物正在打算递交给同行评议的出版物。Atomwise最近利用AI技术，在将近一天的时间内对现有的7000多种药物展开了分析测试，为找寻埃博拉病毒化疗方案作出了贡献。根据该公司的统计资料，如果利用传统方法，这项分析必须花费数月甚至数年才能已完成。

不过Atomwise公司的首席运营官AlexanderLevy提及了AtomNet还必须展开测试，人工智能并无法解决问题所有医学发展的问题。除挖出化合物研制新药外，美国Berg生物医药公司通过研究生物数据研发新型药物。“Berg通过其研发的InterrogativeBiology人工智能平台，研究人体身体健康的组织，探究人体分子和细胞自身防卫的组织以及发作原理机制，利用人工智能和大数据来推算出人体自身分子潜在的药物化合物。由于大大试错的成本太高，更加多的药物研发厂商开始改向计算机和人工智能，期望利用这种技术来增大潜在药物分子的范围，从而节省先前测试的时间和金钱。

为了辨识那些有相当大潜力可以作为药物靶标的蛋白质的编码基因，这些厂商把期望竭尽了算法上。目前，一些新的算法模型减少了新的层次的复杂性，用来增大涉及蛋白质、药物和临床数据的范围，以便更佳地预测哪些基因最有可能让蛋白质和药物融合。研究人员估算，约15％～20％的新药成本都花费在探寻阶段。

一般来说情况下，这意味著低约几亿美元的开支，以及3～6年的工作。如今，有人期望通过AI将这一过程延长至几个月，并大幅度减少研发成本。

本文来源：九州体育-www.hebeiweilun.com