制药业为何需要自动化机器学习

时间:2019-03-13 20:10:53 阅读:78次

  虽然有药物可用于治疗各种疾病,但长期的药物开发过程给行业带来了巨大的障碍,更不用说那些需要治疗的人了。将药物推向市场可能需要长达15年的时间,成本可达数十亿美元。医疗进步不断改变行业,当药物上市时,它不再提供最佳解决方案。

   <! - more - >从生物学的角度来看,虽然许多基因已被确定为引起疾病,但其中只有少数已成为批准的治疗方法的目标。一旦鉴定出致病基因,就进行测试以确定其是否具有适合药物结合的适当形状,并且任何潜在的药物将具有选择性(不会与另一基因结合)和持久的治疗效果。这个过程需要时间来确保正确的基因 - 药物组合。

  从化学角度来看,潜在的药物化合物可能在药物开发周期的前几个阶段很好地起作用。这可以在实验室和小鼠模型中看到。然而,更进一步,当剂量增加供人食用时,该化合物可能被证明是有毒的或具有其他不利影响。至少可以说,要在测试中获得如此有希望的结果只是为了让它进一步失败是令人沮丧和昂贵的。

  是的,重要的是确保药物在向公众提供之前得到适当的资助和测试,但这个过程成本高且效率低。因此,重要的是任何潜在的药物在药物开发周期中“快速失败”,或者最好不首先选择进行进一步的实验。

  

用于药物开发的自动化机器学习的价值

  高通量化合物筛选和DNA测序技术产生的数据量大幅增加,因为它们广泛应用于制药界。为了使这些数据有用,需要以系统的方式对其进行过滤,以便可以优先选择化学化合物和基因,并在湿实验室中进行进一步研究。通过使用历史化合物和遗传实验数据以及临床患者数据,可以使用自动化机器学习来预测化学活性,遗传药物性,特定患者的最佳治疗选择等。

  

自动化机器学习如何帮助应对这些挑战

  自动化机器学习已用于药物开发周期的所有阶段,包括:

  •   使用基因表达和基因拷贝数数据预测和确定可能导致特定疾病的基因的优先次序。


  •   预测遗传药物。


  •   鉴定哮喘急性发作事件的生物标志物。


  •   使用蛋白质 - 蛋白质相互作用网络预测用于治疗癌症的药物组合。


  •   为患者选择最合适的临床试验。


      一般而言,自动化机器学习减少了化合物和基因的搜索空间,为用户提供基因和化合物,以优先进行湿实验室实验。速度和生产力符合“快速失败”的理念,有助于限制药物开发周期后期失败的可能性。这还可确保正确构建机器学习模型,以避免过度拟合数据。

      

    制药机器学习工作的未来

      与机器学习模型受到严格监管的金融行业不同,它是经过严格协议的生物和化学过程。如何选择基因模型或化合物不那么重要。

      但是,这并不意味着工作将面临风险。像DataRobot这样的自动化机器学习工具为生物学家,化学家甚至医学专业人员提供了构建可靠且值得信赖的模型的能力。此外,现在还有计算生物学,计算化学和生物信息学的特定高等教育学位以及制药公司的专职计算部门。跨学科的领域将提供新的和专业的工作!

      

      

  • 制药业为何需要自动化机器学习所属专题:机器学习 《制药业为何需要自动化机器学习》链接:http://www.zhouchuanxiong.net/1201

    制药业为何需要自动化机器学习相关文章