AI制药工业落地的痛点与前进方向(三)

本文涉及的产品
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_高级版,每接口累计50万次
NLP自然语言处理_基础版,每接口每天50万次
简介: AI制药工业落地的痛点与前进方向(三)

生命科学和智能计算峰会-AI制药工业落地的痛点与前进方向(三)

嘉宾信息

潘麓蓉 圆壹智慧创始人兼CEO


AI制药工业落地的痛点与前进方向(三)

八、Core Scientific Challenges in AI Drug Discovery

对于指标是很有影响的,一个电信等点就会有巨大的反差,你看起来是非常相似的,从一个2D的角度,一个人的角度,但实际上就有巨大的变化,实际上用ai来学的时候,是可以分开的,它分开的原理说它实际上学到了二维以外的一些维度,它能够识别的一个微小的区别,第二个一个多目标问题,传统的专家,只能够在一个维度上一次优化一个问题,过去要1000个分子2000个分子才可以,如果采取就人工智能里面最典型的的一个方式,实际上它也是可以很快出来的,a i比人做得好的。在过去的实践当中,基本上用ai,比如说在30个维度里面同时去打分,再去做实验,已经在实践当中验证了,像刚才郭博士也在阿里云面提到过了。

 

image.png

实际上过程就是我比较坚信ai是能够比专家更好的。第二个是真正的在制药环节里面不是基于靶点的这种,往往每个项目已经非常后期了,一定不是一个非常新的项目,非常新的项目往往是从表情筛选开始的。也就说它一个黑盒子,一个细胞,或者是一个病人的一个表情,你怎么样能够能够从表情直接预测一个人?

实际上就涉及一个黑盒子的问题。实际上也是ai擅长的,里面也是统计了过去大部分原创新药都是属于这儿出来的,但大部分已经知道了,基本上从发达论的角度就是ai的,过去也尝试过常多。就可以举例说明,比如说在这儿的时候,当时对于3000个人,每个进行了一个ai模型的建立,进行了两种大规模的验证。

研究验证发现,过去30年的数据里面只有5%的数据,它能够基本上接近真实的,实际上已经很好,就说明实际上它有这趋势,在过去的这两三年,数据更多的增长,我相信数字可能会更多一些。另外核心问题一直是一个小分子的瓶颈,基本上去年已经说天路径都已经可以预测,但合成问题的瓶颈并不是在路线上的预测,

image.png

在条件预测这块,大家都很关注了,到底怎么用?我们可以说它是一个化时代壮举。首先要提出一个问题,在制药的情况下,到底需不需要知道结构,正常的话,直接在细胞上筛,或者是直接是一个纯化的蛋白筛就可以了,不需要过程问题的,但是过程问题的好处是让知道哪一些关键的点可以改造。

第二个问题,发现预测的结果和传统的这种同元建模实际上,传统的同元建模在有已知的的情况下会更好,实际上里面就涉及到深层次的一个算法,它是借用其所有物种的所有蛋白质发力的信息,来去预测一个高等生物的信息,实际上它在有很多的核心区域上,实际上就应该这么说,如果是传统的同学建模,它基本上在一个已知的,直接就预测了。

在真实的制药的过程当中,发现是传统的建模,它的就执信度会更高一些,但如果是真的没有模板的蛋白,基本上就需要采取其他的办法,最后采取的办法直接从一级结构去预测它的生物性。2013年的时候,我的一个研究生当时也是调用了大概1000,用了两个月,才拿到差不多一个机会,一个跟零蛋白,还有小分子三元体的一个内容。基本上个那个时候到现在,我重新算了一下现在的计算机,十年后它可以从一个月变到一天,但也就30倍的增长,所以要去真正的系统性的算这种动态过程还非难。

最后就提到要用好ai的模型,实际上也是一个很好的。也是行业的一个很有意思的事情,这里面就有一些非常好用的方法来解决里面的问题,怎么去建模,怎么去时间关系,可以分享给大家。这里面最有用的是怎么去,怎么样的方法去提醒,我们都知道,生物大数据的内容非常多,组织干净的数据集,里面有非常多的方法论层面的,工程层面的方法,以及从算法层面,怎么去在里面去找一些东西,以及最后用用提到的,很有用的方法。当你在一个尺度,一个很少数据量的时候,你就需要上去迁移。在同一个问题上,它是一个很好办法,或者是我对一个白点的数据很少,我就去把它所有的数据都找来去做一个建议学习,实际上就可以补充其他的数据。而且最有用的ai模型,它一定是个泛化能力很强的模型,我一定是在我已知的当中能够找到一个位置的事物,才是最有意义的。这种方法是放在门头里是有用的,如果你要做一个内容的话,刚才提到的,你的专家只需要反馈一点点的结果,你只要对于新的问题有这么几个几十个的数据你就可以去做。一你找出来,你可能一轮,两轮,三轮,但是我觉得一般是在五轮以内,你一定可以,过去这种盲赛大规模的筛选会更好,另外你怎么去筛选数据?我觉得从过去我的经验里面有三种方法。第一种,你在现有里面挖,包括基本上所有商业数据库,100多个数据库,基本上最后调汰到咱们95,非常得体的对历史的一个重新的审视;第二个,你需要去自己做实验,有针对性的去补足一些数据,你就不需要知道你数据的化学生空间的分布,怎么样以最小的数据点,最高的模型的分子;第三个数据,知道哪一类的物理,它能够达到什么样的知度,就先去通物理的这种底层去采样,最后用这些数据去换你已经耗费的算利,就不需要再重算了,放在模里面,这三个方法都是有用的。现在的一个一体化的这种解决方案,之后就比较抽象了,因为所有东西都放在个平台上,从一个序列开始,基本上在几个小时的时间内,基本通过几10个模型同时打分,10到20个新的分子,基本上两到三轮,在100个分内就能拿到目标化合物.

 

九、Ainnocence’s Solution,From tools to whole systemSuperior Data Source,Higher Efficiency,Better Accuracy

image.png

基本上是针对了做了非常多的数据和算法的迭代,另外在算率方面也是基本上做了关于所谓抢单机时的行为时的一个。

从一直调用一级到gpu和cpu的分配,非常灵活的方案。

十、Ainnocence’s Global Launch and Partnership

image.png

平台基本上也是一个非常自动化的的一个平台,现在说今年到六月份是在生活国际大会有元智慧的,多目标的i模型对于生物药,化学药以及核酸药,现在都有自动化设计的能力,并且也跟全全世界各地,一直到药企都有了非常多的合作。

现在一年大概有300万美金的的订单,我还是比较坚信方法论能够改变行业,可能这边没有太多技术细节,但是我从宏观的方向讲一下过去的一些经验。

相关文章
|
3月前
|
机器学习/深度学习 人工智能 算法
面向工业4.0的AI Agent多任务协作与调度系统设计
随着人工智能(AI)技术的飞速发展,智能制造成为现代工业的核心驱动力。传统制造系统在面对多任务、高频次和动态变化的调度需求时,往往效率低下。而基于AI Agent的多任务协作与调度机制为解决这一问题提供了全新思路。本文聚焦于面向智能制造场景中,如何通过AI Agent实现多任务协作调度,并引入强化学习方法进行算法优化。
|
3月前
|
人工智能 BI 语音技术
AR眼镜+AI大模型:颠覆工业设备验收流程的智能革命
本方案结合AR眼镜与AI视觉大模型,打造高效、精准、可追溯的设备验收流程。通过第一视角记录、智能识别、结构化数据生成与智能报表功能,提升验收效率与质量,助力企业实现智能化管理。
|
3月前
|
人工智能 算法 安全
AR眼镜在工业AI大模型识别的使用流程​
AR眼镜融合AI大模型,实现工业场景智能识别与预警,提升制造质量与安全。通过多模态模型适配、开源模型选型、端云协同部署及定向训练,打造高精度工业AI识别系统,助力制造业智能化升级。
|
3月前
|
传感器 数据采集 人工智能
AR眼镜与AI视觉大模型,开启AR工业巡检与维护全新体验
AR眼镜与AI视觉大模型深度融合,革新工业设备巡检方式。实时采集数据、智能分析预警,提升巡检效率与准确性,保障工业生产安全高效运行。
AR眼镜与AI视觉大模型,开启AR工业巡检与维护全新体验
|
4月前
|
人工智能 自然语言处理 Kubernetes
导演、编剧、特效师都要失业?生成式AI正在悄悄重塑影视工业
导演、编剧、特效师都要失业?生成式AI正在悄悄重塑影视工业
93 0
|
6月前
|
机器学习/深度学习 人工智能 供应链
让AI真正懂生产的工业智能体长啥样?一个评测告诉你答案
本文探讨了工业互联网平台与大模型技术融合的趋势,重点介绍卡奥斯COSMOPlat平台。该平台通过智能体应用构建,提升生产效率、优化流程并降低开发成本。文章还分析了工业大模型在知识引擎、智能应用开发等方面的应用价值,并通过案例展示其在设备管理、供应链优化中的成效。随着政策推动和市场需求增长,“人工智能+工业互联网”模式正加速产业升级,为工业企业提供新生产力工具,助力数字化转型与智能化发展。
278 5
让AI真正懂生产的工业智能体长啥样?一个评测告诉你答案
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
当AI将“思维工业化”,生成式人工智能(GAI)认证引领“人类思考"新航向
本文探讨了生成式人工智能(GAI)在“思维工业化”背景下的影响及其认证对职场的重要性。文章分析了思维工业化的挑战与机遇,强调GAI认证不仅提升职场竞争力,还促进个体成长与人机协同能力。同时,文章呼吁在工具理性之外重视价值理性,通过终身学习适应AI时代变化,实现人类独特性与技术高效性的结合,共同迈向更美好的未来。
|
7月前
|
数据采集 人工智能 运维
工业巡检进入‘无人化+AI’时代:无人机智能系统的落地实践与未来
无人机智能巡检系统凭借高效性、智能化和精准性,解决了传统人工巡检效率低、成本高、漏检风险大的问题。该系统通过“空中机器人+AI分析”,实现多维度数据采集与分析,大幅提升巡检效率和准确性。广泛应用于能源、交通、工业等领域,助力运维模式升级,成为工业4.0时代基础设施运维的标配工具。
838 19
工业巡检进入‘无人化+AI’时代:无人机智能系统的落地实践与未来
|
7月前
|
人工智能 智能设计 物联网
阿里云设计中心携手金鸡电影节青年创作人,用AI技术加速电影工业升级
阿里云设计中心携手金鸡电影节青年创作人,用AI技术加速电影工业升级
|
8月前
|
传感器 人工智能 机器人
【01】人形机器人研究试验-被有些网友痛骂“工业垃圾”“人工智障”上春晚的人形AI机器人-宇树科技机器人到底怎么样??-本系列优雅草卓伊凡亲自尝试下人形机器人的制造-从0开始学习并且制作机器人-可以跟随卓伊凡
【01】人形机器人研究试验-被有些网友痛骂“工业垃圾”“人工智障”上春晚的人形AI机器人-宇树科技机器人到底怎么样??-本系列优雅草卓伊凡亲自尝试下人形机器人的制造-从0开始学习并且制作机器人-可以跟随卓伊凡
405 1
【01】人形机器人研究试验-被有些网友痛骂“工业垃圾”“人工智障”上春晚的人形AI机器人-宇树科技机器人到底怎么样??-本系列优雅草卓伊凡亲自尝试下人形机器人的制造-从0开始学习并且制作机器人-可以跟随卓伊凡

热门文章

最新文章