解决方案-去病生物药研发AI解决方案

去病生物药研发AI
解决方案

“去病”通过接入多源医药数据，对药物、基因、疾病、代谢通道进行分类，构建靶点、药物、疾病、通道的海量数据大规模图。通过分子通路分析与鉴定，预测和估计疾病网络、蛋白质-蛋白质互作用和药物-靶点关系的总体拓扑。基于深度数据挖掘与“白盒”分析能力，为药理与生物实验提供解决方案。

新药研发的高成本和高风险

新药研发是一个成本高昂且极为耗时的过程，平均成本可能超过数十亿美元，耗时10至15年。而其中风险和成本主要来自于大范围且失败率低的生物实验。

复杂的生物学问题

疾病通常涉及复杂的基因和蛋白网络及其生物途径，使得准确识别和验证药物靶点变得困难。这一挑战要求研发团队具备深入的生物学知识和复杂系统分析能力。

多元的生物大数据处理

快速增长的生物大数据，包括基因组学、蛋白质组学等，分散于不同平台，其管理和综合应用成为主要技术挑战。在药理分析和蛋白质相互作用预测等任务中，如何有效利用这些数据资源是生物技术和信息技术融合的关键。

持续迭代积累丰富的优质医药数据

结合了包含CTD、KEGG、Pharmgkb、DrugBank等数十种医药数据集，积累整理、清洗融合了千万点边规模的知识图谱数据，为各类上层应用打下坚实的“数据地基”。

缩短研发周期、降低研发成本

“去病”基于多元数据的精准预测能力，可融入靶点识别、蛋白互作预测、老药新用等新药研发中的各个环节，用“干实验”替代“湿实验”，基于大数据对实验样本进行预筛选，降低实际生物实验范围、提高成功率，从而缩短新药研发的周期，降低成本。

可解释+强监管

将药物研发过程中的先验知识通过逻辑表达式的形式提前输入，减少违背行业机理的结果产生，既满足新药发现所要遵循的监管要求和专业知识，同时提升了系统输出结果的可靠性。