Scoperta di nuovi farmaci
Vincoli architettonici e modalità di errore nei programmi di scoperta di farmaci basati sull'intelligenza artificiale
Sintesi (TL;DR) I fallimenti nella scoperta di farmaci basati sull'intelligenza artificiale raramente sono dovuti prima agli algoritmi. Validità dei dati, bias di misurazione e disallineamento biologico si interrompono prima. Le previsioni di affinità di legame non equivalgono all'effetto terapeutico. Un'interpretazione errata di questa distinzione propaga costosi falsi positivi. I vincoli di interpretabilità del modello influenzano direttamente la difendibilità normativa, la riproducibilità e l'adozione tra team. La complessità dell'infrastruttura emerge dall'eterogeneità dei dati, non dalla scala […]
Oltre lo storage: creare un data fabric per la scoperta di farmaci basata sull'intelligenza artificiale
Il problema dei "silos" La frammentazione dei dati è il principale ostacolo all'adozione dell'intelligenza artificiale nel settore farmaceutico. Persino colossi del settore come Novartis hanno pubblicamente sottolineato l'estrema difficoltà di ripulire e collegare dati eterogenei in un'organizzazione globale. Dati preziosi rimangono intrappolati in formati diversi (SQL strutturato vs. immagini patologiche non strutturate), in diverse applicazioni legacy (vecchi ELN vs. […]
Perché non serve un budget da “Big Pharma” per la scoperta di farmaci quantistici
La barriera dei costi è scomparsa Per decenni, la modellazione molecolare ad alta fedeltà è stata un lusso riservato all'élite delle "Big Pharma". Sviluppare un nuovo farmaco costa quasi 2 miliardi di dollari e una parte significativa di questo budget viene investita in enormi cluster di calcolo ad alte prestazioni (HPC) necessari per eseguire simulazioni complesse. Piccole aziende biotecnologiche e startup sono state costrette a fare affidamento su […]
Gestione dei dati AI per la scoperta di farmaci: accelerare la ricerca e sviluppo con Solix EAI Pharma
Cos'è la gestione dei dati basata sull'intelligenza artificiale nelle scienze della vita? Viviamo nel "Decennio dei dati". Il settore biomedico ha assistito a un'esplosione di informazioni, trainata dal crollo dei costi del sequenziamento di nuova generazione (NGS), dalla digitalizzazione delle cartelle cliniche e dall'avvento dei sensori indossabili. Tuttavia, per la maggior parte delle aziende farmaceutiche, questi dati rappresentano […]
Perché GenAI fallisce nella scoperta dei farmaci e come i dati semantici possono risolverlo
Introduzione: Promesse e realtà dell'intelligenza artificiale in ambito farmaceutico L'industria farmaceutica sta attualmente attraversando una paradossale "siccità di farmaci". Nell'ultimo decennio, gli investimenti in ricerca e sviluppo sono aumentati vertiginosamente, ma il ritorno sull'investimento (ROI) per le principali aziende farmaceutiche è crollato, passando da circa il 10% nel 2010 a meno del 2% di recente. L'industria è alla disperata ricerca di […]
Struttura-affinità open source: creazione di una scoperta predittiva di farmaci su OpenFold3
Punti chiave: la modellazione struttura-affinità è il ponte mancante tra la previsione della struttura proteica e i risultati della scoperta di farmaci nel mondo reale. OpenFold3 consente la generazione di strutture proteiche riproducibili e trasparenti senza dipendere da API chiuse dei fornitori. Le pipeline di affinità open source sbloccano spiegabilità, verificabilità e controllo scientifico che le piattaforme di intelligenza artificiale black-box non possono fornire. Sono necessarie piattaforme dati pronte per l'intelligenza artificiale per rendere operativi questi modelli a […]