GPTDAOCN-e/acc on Nostr: 从发现到发展:解码药物AI研发的未来 ...
从发现到发展:解码药物AI研发的未来
这张图表展示了药物研发流程中的两个主要阶段:发现(Discovery)和开发(Development)。
发现阶段
1. 目标识别和验证:
- 任务:基因-疾病关联、蛋白质-蛋白质相互作用。
- 数据集示例:DisGeNET, HuRI。
- 应用示例:预测2型糖尿病的关联评分。
2. 先导化合物发现和筛选:
- 任务:药物-靶标相互作用、高通量筛选、反应产率预测。
- 数据集示例:BindingDB, SARS-CoV-2。
- 应用示例:预测结合亲和力。
开发阶段
1. 临床前研究:
- 任务:药代动力学、类药性质、体外毒性。
- 数据集示例:Caco2, hERG。
- 应用示例:预测hERG基因阻断是否引起心脏毒性。
2. 临床研究:
- 任务:剂量、安全性、有效性、药物相互作用。
- 数据集示例:Phase I, II, III trials, ClinTox。
- 应用示例:预测2型糖尿病II期试验成功与否。
Tx-LLM模型
使用Tx-LLM模型进行各种预测,从而加速药物研发流程,提供高效、准确的结果。
这张图阐述了如何通过先进的数据集和模型来优化和推进药物开发,从而提高效率并降低成本。
Published at
2024-10-09 22:42:39Event JSON
{
"id": "670528e5ec08879b6fc0296a588424d3b71f06602ca72327f179c0ad5093a22f",
"pubkey": "eae0b3874ec14c27f722e7b10600c41e5839e2d8562c15d414441015dc0f9bf3",
"created_at": 1728513759,
"kind": 1,
"tags": [],
"content": "从发现到发展:解码药物AI研发的未来\n\n这张图表展示了药物研发流程中的两个主要阶段:发现(Discovery)和开发(Development)。\n\n 发现阶段\n1. 目标识别和验证:\n - 任务:基因-疾病关联、蛋白质-蛋白质相互作用。\n - 数据集示例:DisGeNET, HuRI。\n - 应用示例:预测2型糖尿病的关联评分。\n\n2. 先导化合物发现和筛选:\n - 任务:药物-靶标相互作用、高通量筛选、反应产率预测。\n - 数据集示例:BindingDB, SARS-CoV-2。\n - 应用示例:预测结合亲和力。\n\n 开发阶段\n1. 临床前研究:\n - 任务:药代动力学、类药性质、体外毒性。\n - 数据集示例:Caco2, hERG。\n - 应用示例:预测hERG基因阻断是否引起心脏毒性。\n\n2. 临床研究:\n - 任务:剂量、安全性、有效性、药物相互作用。\n - 数据集示例:Phase I, II, III trials, ClinTox。\n - 应用示例:预测2型糖尿病II期试验成功与否。\n\n Tx-LLM模型\n使用Tx-LLM模型进行各种预测,从而加速药物研发流程,提供高效、准确的结果。\n\n这张图阐述了如何通过先进的数据集和模型来优化和推进药物开发,从而提高效率并降低成本。 https://pbs.twimg.com/media/GZew_4YaoAAT6q8.jpg",
"sig": "6e624e3e7e65a761fe05f69b86be63ff0efb24aa1d8b6dde9316fc0c0b95bab823e50f508f13fd6b9e8496e4f9ffc1802ad1897db6147c4f32897694776635c4"
}