数据科学与人工智能:

开启新的科学洞见


在阿斯yabo官网入口利康,我们利用数据和技术,最大限度地缩短发现和交付潜在新药的时间。现在,我们正在研发中嵌入数据科学和人工智能(AI),使我们的科学家能够推动科学的边界,提供改变生活的药物。


数据科学和人工智能有潜力改变我们发现和开发新药物的方式——将昨天的科幻小说变成今天的现实,目的是使创新科学转化为改变生活的药物

吉姆·韦瑟罗尔副总裁,数据科学与人工智能,研发

今天,我们产生和获得的数据比以往任何时候都多。事实上,在过去两年里创造的数据比人类历史上所有的数据都要多。但是,只有当我们能够分析、解释和应用这些数据时,这些数据的价值才能实现。在整个研发过程中,我们都在使用人工智能来帮助我们破译这些丰富的信息,目的是:

•更好地了解我们想要治疗的疾病

•确定新型药物的新靶点

•招募和设计更好的临床试验

•驾驶个性化医学策略

•加快设计、开发和制造新药的步伐

我们的科学家正在利用人工智能帮助重新定义医学科学,以寻求新的、更好的方法来发现、测试和加速未来潜在的药物。以下部分将讲述数据科学和人工智能如何开始对我们的研发工作产生影响的一些故事。


将数据转化为知识



我们决心提高我们对癌症、呼吸系统疾病、心脏、肾脏和代谢疾病等疾病的基本认识。因为通过了解疾病的起因或驱动因素,我们希望找到治疗、预防甚至治愈疾病的新方法。

通过数据科学和AI,我们正在揭示新的生物洞察,以提高我们的研发生产力。例如,我们正在使用知识图表 - 基因,蛋白质,疾病和化合物等内容化科学数据事实的网络以及它们之间的关系 - 为科学家提供新的见解和帮助克服认知偏见。

数据科学和AI还可以帮助我们揭示我们基因中疾病的秘密。我们的基因组学研究中心在2026年之前正在努力分析高达200万个基因组。除了Crispr的基因编辑力旁边,删除基因组中的每个基因,以问那些基因在生物学中发挥的作用,Astazeneca科学家在我们的遗传制作中窥视yabo官网入口-up帮助我们更好地了解疾病。

但是基因组的巨大规模意味着这些实验产生了大量的数据。数据科学和人工智能正在帮助我们更快、更准确地分析和解释数据。





预测下一步要合成什么分子以及如何合成


通过AI,我们有可能改变药用化学,以复杂的计算方法增强传统的药物设计,以预测下一个分子以及如何制造它们的分子

Werngard Czechtizky.药物化学,研究与早期开发,呼吸与免疫学,生物制药研发主管



我们正在探索使用AI来帮助我们发现新药。我们认为它具有增加质量的潜力,并减少发现潜在药物候选人所需的时间。

目前这需要几年的详细科学研究;合成和测试数以千计的分子,以获得正确的药物性质。

人工智能正在改变这一漫长的过程——使我们能够快速产生关于分子的新想法,并根据现有的大量数据集进行预测,对这些想法进行排序。

具有鉴定的有希望的分子,下一步骤是在实验室中合成分子。AI也开始在这里帮助 - 综合预测的科学是迅速发展的,我们很快就能使用AI帮助我们推断出在最短时间内制作分子的最佳方法。

我们将AI视为明天化学实验室的一个关键组成部分 - 不仅用于发现和制作新药,而是用于控制自动化,加快重复的生成,分析和测试高质量化合物。



使用人工智能进行快速、准确的图像分析




每周,我们的病理学家分析了我们研究研究的数百种组织样本。他们检查它们的疾病和生物标志物,可能表明患者最有可能回应我们的药物。它非常耗时,这就是为什么我们正在培训AI系统,以帮助病理学家准确地分析样品,更加毫不费力地分析样品。这有可能将分析时间减少超过30%。

对于我们的一个人工智能系统,我们采用了一种方法,灵感来自一些自动驾驶汽车对环境的理解。我们训练人工智能系统为肿瘤细胞和免疫细胞评分一个叫做PD-L1的生物标志物,该标志物有可能帮助为基于免疫疗法的膀胱癌治疗决策提供信息。

我们的人工智能系统会查看数千张来自组织样本的图像,系统地检查每一张图像中的PD-L1。它为我们的病理学家节省了时间,在疑难病例中尤其有用。



通过数据科学和人工智能加速临床试验


在评估潜在新药时,随机临床试验(rct)是目前制药公司选择的方法。然而,公布的数据显示,随着时间的推移,它们变得越来越昂贵和复杂。

数据科学的进步可以帮助我们重新思考临床试验,加强目前的实践,并找到发现和开发潜在新药物的新方法。

例如,高质量电子健康记录(ehr)的迅速采用代表了一个巨大、丰富和高度相关的数据源,具有改善临床试验实施的巨大潜力。

联邦EHR技术正在解锁新的机会,以增强临床研究,改变我们进行临床试验的方式。该技术有可能改进或替换许多临床试验过程,包括患者鉴定,选择,试验行为和数据捕获。

我们还在使用人工智能和机器学习工具从临床试验数据中收集更多的价值。从历史上看,我们已经熟练地使用试验数据来分析、解释和报告试验药物的安全性和有效性。但我们希望将已经收集到的数据的价值最大化。

数据重复使用可以帮助我们更好地设计我们的药物发展战略和计划。这可以帮助我们设计更智能的试验,加强我们的科学发现,最终,在未来,有可能帮助患者获得最佳治疗方法。





建立正确的数据主干


今天,我们产生和获得的数据比以往任何时候都多。数据和分析有潜力改变我们的业务,但科学数据的真正价值只有在“公平”的情况下才能实现——可查找、可访问、可互操作和可重用。

yabo官网入口阿斯利康的研发部门和IT部门正密切合作,打造行业领先的企业数据和人工智能架构。这将帮助我们回答关键的商业问题,并增强我们利用新工具和技术的能力,如人工智能和机器学习,无论是现在还是未来。

我们还在动员全公司的数据科学家、生物信息学家、数据工程师和机器学习专家组成的团队,以确保我们以最佳方式收集、组织和使用正确的数据。




通过人工智能技术推动科学的发展



我们的领先科学家正在利用人工智能帮助重新定义医学科学,以寻求发现、测试和加速未来潜在药物的新的更好方法。






合作来帮助解决人工智能领域的重大问题


我们知道最好的科学并没有被隔离发生,这就是为什么我们合作和开放的门来燃料科学发现。



我们与Schrödinger的合作使用了他们的先进计算平台,目的是加速药物发现。通过结合基于物理的建模和机器学习,我们将能够预测潜在药物分子的大型文库的亲和力,以识别最高亲和力的候选分子,用于合成和生物测试。


我们加入了机器学习在药物发现和合成(MLPDS)联盟这是一个与麻省理工学院和其他一些制药公司组成的学术/行业联盟。该联盟的目标是利用其成员各自的专业知识来设计和交付预测分子特性和合成路线的软件工具,以提高药物发现的速度和效率。



我们是由制药、技术和学术合作伙伴组成的新联盟,名为“MELLODDY”(药物发现的机器学习分类账编制)。该项目旨在利用世界上最大的已知生物化学或细胞活性小分子集合,以实现更准确的预测模型,并提高药物发现的效率。




我们正在和BenevolentAI合作使用机器学习和AI发现患有慢性肾病和特发性肺纤维化的潜在新药。通过将我们的疾病区域专业知识和大型数据集与Benevolentai领先的AI和机器学习能力相结合,我们希望改善我们对复杂疾病生物学的理解,并且更快地识别新的潜在药物目标。


AI瑞典在一个独特的伙伴关系中汇集行业,学术界和公共部门,通过协作和跨行业共享加速应用AI研究和创新。


加入我们

如果您相信科学能力的权力,请加入我们努力推动科学的界限,以提供亚博app信任更改生命的药物。

与我们合作

我们知道,无论我们的科学多么创新,无论我们的药物和提供多么有效,亚博bet下载要实现我们想要实现的一切,我们不能单独做到。