2022年12月,Drug Discovery & Development网站发布文章What to expect from AI-enabled drug discovery in 2023,多位行业专家阐述了AI药物发现在2023年的前景。主要内容整理如下。
ScienceAI编译 编辑:宇琦 人工智能正在改变生物技术领域,美国政府现在应该采取大胆的措施,使人工智能帮助释放该领域的整体潜力,并确保美国引领即将到来的生物技术革命。 2020年1月11日,中国首次分享了COVID-19病毒基因序列。到1月13日,生物技术公司Moderna已经利用这一信息确定了其疫苗的设计。 将曾经需要数月或数年的过程缩短为短短十几个小时,这一现代科学的奇迹,并非幸运使然。如果没有人工智能和机器学习的重大进展、工业界对这些技术的投资以及美国政府在过去几十年对生命科学和生物技术的资助
2021年8月25日,Nature Methods发表了德国慕尼黑大学David B. Blumenthal等人的一篇文章,该文章讨论了生物医学研究中AI模型的报告格式。
2024年2月29日,唯一一家利用由实验室自动化驱动的多模态人工智能平台推进小分子和大分子药物研发的生物技术公司1910 Genetics宣布与微软达成一项新的五年期商业协议和市场推广合作,利用先进的人工智能和下一代高性能计算(HPC)扭转70年来制药研发生产力下降的趋势。
2022年2月2日,GEN网站发表文章,讨论了人工智能如何在基因治疗和细胞治疗的开发和制造中实现自适应建模。
生成式人工智能可能会让人联想到通过Midjourney等软件应用程序制作的艺术作品,但据周三(2024年1月10日)参加生物技术展示讨论小组的专家称,其应用可能会深入生物技术和医疗保健行业。
来源丨ACM通讯 编译 | 王玥 编辑 | 陈彩娴 在过去的二十年里,生物学发生了翻天覆地的变化,建立在生物系统上的工程成为了可能。赋予了我们细胞遗传密码(DNA)排序能力的基因组革命是这一巨大变化的主要推手。而基因组革命带来的最新发现之一,正是使用CRISPR在体内精确编辑DNA的能力。 遗传密码的高级表现,如蛋白质的合成,被称为「表型」(phenotype)。高通量表型数据与DNA的精确编辑结合到一起,将底层代码的变化与外部表型联系了起来。 图注:Wacomka 图注:本图体现了细胞遗传密码(DNA
大数据文摘转载自AI科技评论 来源:ACM通讯 编译:王玥 编辑:陈彩娴 在过去的二十年里,生物学发生了翻天覆地的变化,建立在生物系统上的工程成为了可能。赋予了我们细胞遗传密码(DNA)排序能力的基因组革命是这一巨大变化的主要推手。而基因组革命带来的最新发现之一,正是使用CRISPR在体内精确编辑DNA的能力。 遗传密码的高级表现,如蛋白质的合成,被称为「表型」(phenotype)。高通量表型数据与DNA的精确编辑结合到一起,将底层代码的变化与外部表型联系了起来。 图注:Wacomka 图注:本图体现
2024年1月8日,Deepcell宣布与英伟达开展研究合作,加速生命科学领域先进计算机视觉解决方案的开发和应用。
近年来,人工智能(AI)是生物医药产业关注的热点。许多产业资深人士期待利用人工智能和机器学习等技术,能加速药物开发的流程,提高产业的研发产率。但在热情之下,一些人也产生了对人工智能不切实际的幻想,仿佛只需要简单按下一个按钮,等上几年,就可以获得一款新药。
多组学技术和人工智能算法的同步发展推动了癌症精确医学的发展。2023年1月《Seminars in Cancer Biology》发表了一篇综述文章,全面总结了基于人工智能的多组学肿瘤分析的最新进展,重点介绍了基于人工智能的多组学技术在癌症诊断、分类、早期筛查、反应评估和预后预测方面的应用。
2022 年 1 月 17 日,剑桥——人工智能 (AI) 正在为语音和图像识别铺平道路,AlphaFold DB的推出彻底改变了蛋白质结构预测。然而,当涉及到其他领域,包括转化为药物发现时,该技术似乎落后了。尽管有大量媒体关注其加速这一领域的潜力,但人工智能尚未被证明是一种有效的解决方案。人工智能需要改变什么来推动药物发现?
紧接着3月底,由马斯克、图灵奖得主Bengio等千名大佬联名,发起暂停超级AI研发的公开信。
2024年3月12日,基于人工智能的蛋白质和其他生物系统设计领域的全球领先企业Basecamp Research宣布推出其全新的深度学习模型BaseFold,该模型能比其他人工智能工具(包括行业黄金标准AlphaFold2)更准确地预测大型复杂蛋白质的三维结构。这些数据最近发表在bioRxiv上。
如今的美国市场上已经能见到越来越多的带有中国背景的产品与商业模式。跨境投资人们也认为,“拷贝中国”是当前较为热门的大趋势。而市场由“中国拷贝”转向“拷贝中国”的一个重要原因是中外信息壁垒的消除。
AI 科技评论按:在去年年底北京大学举办的人工智能前沿论坛上,黄铁军教授做了题为《强人工智能之路》的演讲。 黄铁军教授,北京大学信息科学技术学院教授,计算机科学技术系主任,国家杰出青年科学基金获得者,教育部长江学者特聘教授。 从人工智能的发展史出发,他阐释了强人工智能的意义,以及它会对人类可能所产生的影响,在这一点上,他表示同意霍金和马斯克的威胁论观点。 其次,尽管学界对人工智能是否能拥有「自我意识」存在争议,但他坚持认为这是实现强人工智能不可回避的问题。他提出「智能为用,机器为体」的观点,表示不做机器,只
2022年3月29日,波士顿咨询公司网站发表文章,讨论了AI在药物发现中的价值,建议制药公司在五个战略和操作轨道上采取长期行动。
本文介绍了人工智能在行李箱、无人驾驶公交、人脸识别等领域的应用,并探讨了未来20年内这些技术可能的发展。
本期将为大家介绍香港中文大学计算机科学与工程系助理教授李煜招收博后、博士生、研究助理的相关信息。 学校及院系简介 香港中文大学科学与工程系是全球顶尖的计算机系之一, 在2022年US News世界计算机专业排名中排在全球第10位,香港第1位。 其所在的香港中文大学位于香港沙田区,距深圳仅25分钟火车路程,拥有香港所有高等教育机构中最大的校园,并且校园风景优美。香港中文大学校园的旁边就是科技园,这个科技园拥有近千家高科技初创企业和大型公司,为在校生提供了许多研究合作机会。 课题组合作的MIT为世界最顶尖的研
2022年1月22日,来自TARA Biosystems公司的Misti Ushio和来自VantAI公司的Zachary Carpenter在Drug Discov Today杂志发表文章,文章认为AI药物发现的发展需要来自高保真和功能丰富的体外模型的支持。衡量成功的最终标准不是快速发现新的候选药物,而是极大地提高临床成功的机会。为了获得成功,数据生成过程和算法开发必须同步进行。
【新智元导读】过去,大概有四种方法来实现某些人工智能:符号主义,联结主义,行为主义和统计学, 这四种方法在不同的角度抓住了智能的一些特点。北京大学计算机系主任黄铁军提出:“仿真主义”可谓人工智能方法中第五流派。 在人工智能过去的六十年,大概有四种方法来实现某些人工智能:符号主义,连接主义,行为主义和统计学。 这四种方法在不同的角度抓住了智能的一些特点,在人工智能中取得了划时代的成就。近年来,深入学习在全球崛起,特别是在图像和语音识别方面取得了显着的成功,将AI推向第三次革命。 近期,在刊物IJAC(Inte
清华大学药学院副院长尹航为大家带来的演讲主题是:AI+药物设计:AI制药与产业前沿。它主要分为五部分:
2024年1月7日,利用人工智能的力量重新定义药物发现的数字生物学公司Isomorphic Labs宣布已与诺华(Novartis)达成战略研究合作,针对三个未公开的靶点发现小分子疗法。
伴随着我国社会经济发展水平的提升,各行业对人工智能技术的落地应用需求也在不断扩大。但目前,很多行业与人工智能的结合还处于概念阶段,安防是为数不多的可以将人工智能成熟应用并落地的行业,为此,很多专家认为安防行业正在成为人工智能的第一着陆场。 近年来,在智慧城市系统建设深入的带动下,人工智能商业化应用的趋势越来越明显。算法、算力、数据,三者可以看做是“人工智能+安防”发展的三要素。当这三要素落地产品应用上时,可主要分为三大类,即:视频结构化(对视频数据的识别和提取)、生物识别技术(指纹识别、人脸识别等)、物体特
国际财经媒体Quartz报道,据谷歌和美国“开放人工智能实验室”(OpenAI)的一项研究,类达尔文进化论的神经进化理论可以帮助人工智能算法进化优化。 现代人工智能是为了模仿自然而生,其最主要的目标就是将人类天生的决策能力复制到计算机中。 受人脑工作方式的启发,近三十年来人工智能的发展都围绕着“神经网络”。神经网络的概念借用自神经生物学,将机器的思考描述为在神经元这种相互连接的数学功能单元之间的数据传递。但是,自然界还有其它一些好概念。计算机科学家目前正在重新审视一门古老的学科,并建议将进化过程引入到人工智
有不少科学家与媒体上的评论文章,都对机器人与人工智能(artificial intelligence,AI)可能带来的危险提出过警告;这类对于人工智能以及所衍生的智能机器(intelligent machines,IM)应用──特别是在军事领域──的忧虑是可以理解的,但如果说智能机器实际上是人类从原始单细胞生物不断演化的过程中,出现的一个新分支呢? 若以上述的观点来看人工智能与智能机器,也许它们可能带来的危险并非是电影或科幻小说所描述的、将造成人类灭绝的灾难,而是一种会造成同样的人类灭绝结果、 但无法控
大多数讨论都将人工智能的未来描述为像终结者那样的启示录或像Wall-E那样的乌托邦。
2023年12月4日,生成式AI抗体发现领域的领先企业Absci(纳斯达克股票代码:ABSI)宣布与全球生物制药公司阿斯利康(AstraZeneca)合作,针对肿瘤靶点提供人工智能设计的抗体。
最近在深度学习方面的进展使人工智能系统的发展能够在许多任务中超越人类,并开始为科学家和医生提供新的工具。Alex(CEO of Insilico Medicine)等人讨论了最近人工智能在老龄化研究中的应用是如何导致长寿医学领域的出现的。
机器之心报道 作者:蛋酱 在 5 月 31 日开幕的 2022 北京智源大会上,智源研究院正式发布了当前生物精度最高的仿真秀丽线虫天宝 1.0(MetaWorm),其单个精细神经元所表征的计算复杂度可类比 5-8 层 DNN,揭示了生物智能所蕴涵的巨大潜力。 上世纪 50 年代,科学家艾伦 · 图灵曾大胆预言:人类会创造出具有真正智能的机器。但经过 60 余年的发展,即使到了今天,以深度学习技术为代表的第三代人工智能可以说尚未触及智能的本质。其通用智能水平远不及斑马鱼、苍蝇等小型生物,功耗更有云泥之别。 生
那么,如何更好地使用制药场景中的数据?如何用一种稳健和透明的方式,来评估AI制药方法学的进展,引导人们定义合理的期待?
2021年11月30日,美国纽约/中国香港---由端到端人工智能(AI)驱动的药物研发公司英矽智能(Insilico Medicine)今天宣布,在ISM001-055的首次微剂量人体试验中,已完成第一例健康志愿者的临床给药。
【新智元导读】本文探讨了智能演化以及未来超级智能及其认知、形态的可能,以及超级智能 AI 与人类的关系。作者认为,从生物智能到“后生物”智能可能是宇宙中的一种基本过程。没有意识也能发展出超级智能,认为非要拥有“意识”才产生智能,自然就会用消极的观点看待智能的发展。超级智能可能由生物材料构成,但不一定拥有意识,因此也就可能用完全不同的方式判断人类的价值,所以不能排除超级智能 AI 威胁人类的可能。而对于人类来说,研发不具有意识的 AI 才是合理的选择——有意识的机器在人类通过意识去判断的标准下,会带来一系列问
我写过几篇关于人工神经网络的文章,但都是关于随机概念的随机文章。本系列文章将向您详细介绍人工神经网络及其相关概念。所有内容的参考资料和参考资料将在本系列的最后提到,以便您可以深入研究所有的概念。
文章主要从五个方面分析了人工智能安全标准化的需求,包括人工智能安全标准化的现状、人工智能安全标准化需求、人工智能安全标准化框架、人工智能安全标准体系和人工智能应用安全标准。文章认为,人工智能安全标准化工作应从通用安全、应用安全和数据安全等方面入手,以保障人工智能技术的安全、可靠、可控。同时,文章还提出了人工智能安全标准化工作的建议,包括加强人工智能安全基础标准研究、深化人工智能应用安全标准工作、加强人工智能安全标准国际交流与合作等。
2021年9月20日,来自法国制药公司施维雅(Servier)的Philippe Moingeon等人在Drug Discovery Today发表文章,对人工智能在药物设计和开发方面的四个主要应用进行了阐述。
Generating meaning: active inference and the scope and limits of passive AI
那么,去年谷歌DeepMind推出的AlphaFold 2,无疑将当下的AI技术与尚在探索的生物技术完美结合起来。
本文主要介绍了人工智能行业的研究报告,从硬件支持、技术平台、通用应用、行业应用和无人机、硬件机器人、媒体等七个方面进行了详细的阐述。文章指出,人工智能的发展速度非常快,各大公司纷纷开源深度学习框架,降低了人工智能技术的开发门槛,大大加速了人工智能的发展。同时,随着技术的发展,人工智能已经进入了各行各业,并将在未来继续发挥重要作用。
随着移动互联网的发展进入新的方向,移动互联网中的智能化已经成为新的发展趋势和主要需求。智能化需求目前主要体现在两个方面: ●一方面是促生新的智能化应用,如自动驾驶汽车、虚拟现实和增强现实应用等,拓宽移动应用领域为用户提供更多应用选择。 ●另一方面是基于目前已有的大量应用数据进行智能化分析,在现有移动应用的基础上分析用户需求、明晰用户目标、提供用户感受,让用户在固有移动应用领域体验提升。 在智能化引领发展的阶段中,人工智能技术正在越来越广泛地应用在移动互联网领域,越来越多的人工智能技术更多地参与到移动互联网发
6月7日,由端到端人工智能驱动的临床阶段生物医药公司英矽智能(Insilico Medicine)今天宣布,公司已完成6000万美元D轮融资,投资方来自在生物制药和生命科学领域有着丰富投资经验的全球投资者。
最初的类人智能出现在几百万年前的非洲大陆,并持续进化,最终在大约 10 万年前,在我们人类这一物种——智人的大脑中达到顶峰。
AstraZeneca与BenevolentAI进行长期合作,利用人工智能和机器学习发现和开发慢性肾病(CKD)和特发性肺纤维化(IPF)的新疗法。
智能化需求体现在两个方面 随着移动互联网的发展进入新的方向,移动互联网中的智能化已经成为新的发展趋势和主要需求。智能化需求目前主要体现在两个方面: 一方面是促生新的智能化应用,如自动驾驶汽车、虚拟现实和增强现实应用等,拓宽移动应用领域为用户提供更多应用选择。 另一方面是基于目前已有的大量应用数据进行智能化分析,在现有移动应用的基础上分析用户需求、明晰用户目标、提供用户感受,让用户在固有移动应用领域体验提升。 在智能化引领发展的阶段中,人工智能技术正在越来越广泛地应用在移动互联网领域,越来越多的人工智
2022年3月21日,Fierce网站发表文章,PathAI的首席科学官Mike Montalto与百时美施贵宝(BMS)的转化生物信息学副总裁Joseph Szustakowski讨论了人工智能驱动的数字病理学对药物开发的影响。
构建自主的(即基于个人需求选择目标)和自适应的(即在不断变化的环境中生存)智能 体一直是人工智能(al)的圣杯。一个活的有机体是这种代理的一个主要例子,提供了 关于适应性自主的重要课程。在这里,我们把重点放在内感受上,这是一个监控体 内环境使其保持在一定范围内的过程,它保证了生物体的生存。为了开发具有内视 知觉的人工智能,我们需要从外部环境中分解代表内部环境的状态变量,并采用内 部环境状态的受生命启发的数学特性。这篇论文提供了一个新的视角,通过将控制 论的遗产与生命理论、强化学习和神经科学的最新进展相结合,内视知觉如何帮助 构建自主和适应的主体。
2023年11月28日,利用生成式人工智能帮助科学家设计和制造蛋白质的生物技术初创公司 Cradle 宣布完成 2400 万美元A轮融资。
来源:专知本文为书籍介绍,建议阅读5分钟本书旨在提供大数据、人工智能和ML在整个药物研发领域的新兴应用的单一信息来源,并建立一个强大的数据科学组织,推动药物发现、开发和交付的新方法。 大数据、人工智能(AI)和机器学习(ML)的融合导致了创新药物开发和医疗健康提供的范式转变。为了充分利用这些技术进步,必须系统地利用来自不同来源的数据,并利用数字技术和先进的分析技术,以实现数据驱动的决策。数据科学正处于引领这种变革性变革的独特机会时刻。数据科学、人工智能和药物开发中的机器学习旨在成为单一的信息来源,涵盖了药
领取专属 10元无门槛券
手把手带您无忧上云