Farmaceutico
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 […]
Scoperta di farmaci assistita da computer (CADD): quadro decisionale architettonico per dati, modelli e produttività scientifica
Sintesi (TL;DR) Le iniziative CADD sono vincolate meno dagli algoritmi che dall'affidabilità dei dati, dalla latenza di convalida e dall'attrito del flusso di lavoro. L'accuratezza delle previsioni senza traduzione sperimentale non riesce a produrre valore operativo. La produttività dell'infrastruttura, l'architettura di storage e la stabilità dell'ambiente influenzano direttamente i tempi del ciclo scientifico. Gli ambienti regolamentati introducono requisiti di lignaggio, riproducibilità e verificabilità che rimodellano le scelte di modellazione. La rottura della fiducia […]
Basta reinventare la ruota: come le librerie di contenuti semantici accelerano il riutilizzo dei farmaci
Il valore dei farmaci "vecchi". Scoprire una nuova entità chimica (NCE) è rischioso e fallisce nel 90%. Il riutilizzo dei farmaci (trovare nuovi usi per farmaci esistenti) è la scorciatoia strategica. Questi farmaci hanno già superato i test di tossicità; i loro profili di sicurezza sono noti. Un esempio famoso è il Baricitinib. Originariamente un farmaco per l'artrite reumatoide, è stato identificato da […]