专栏名称: 智药邦
人工智能在药物研发领域的进展、探索与实践。
目录
相关文章推荐
大道无形我有型  ·  回复@数有中心: ... ·  18 小时前  
邢者团队晚间解盘  ·  绕开监管 ·  昨天  
邢者团队晚间解盘  ·  绕开监管 ·  昨天  
51好读  ›  专栏  ›  智药邦

罗氏|LAB IN A LOOP:利用数据和人工智能改变药物发现和开发

智药邦  · 公众号  ·  · 2025-01-11 08:00

正文

2024年11月25日,罗氏举办了一场网络研讨会,基因泰克研究和早期开发部负责人Aviv Regev等介绍了罗氏的"Lab in a Loop"药物研发模式。


会后报告链接:
https://assets.roche.com/f/176343/x/c6928dc7e4/digi_day2024_gred_final_online.pdf

会后报告目录:

药物研发中的LAB IN A LOOP

I. 靶点发现:开发病理生物学图谱

II. 缩减药物发现周期

III. 更好的药物发现和优化疗法

IV. 临床实践


主要内容如下。

LAB IN A LOOP:
利用数据和人工智能改变药物发现和开发


药物研发中的LAB IN A LOOP:

从靶点发现到临床实践,每个环节都蕴含其中


I. 靶点发现:开发病理生物学图谱


生物是多模态的

多种不同的模式和数据类型,表征的是一个多模态实体


在多模态LLM中,文本控制图像内容

模型学习两种不同数据模式(如文本和图像)之间的关联



NONA:用于生物学的多模式LLM

DNA(文本)控制另一种模式(RNA)


应用:通过效应预测确定变异体的优先次序

通过控制DNA,我们可以预测基因变异在特定细胞类型中的影响


绘制病理生物学地图

炎症性肠病 (IBD)


确定IBD和COPD的候选药物


人工智能基础模型使用agent共同推理


多个代理人可组成“personas”

通过所有基础模型进行推理,解决生物学问题


协调模型和数据的人工智能协调系统

Agents结合了专业工具


II. 缩减药物发现周期


在loop中筛选,缩减周期


癌症中的Lab in a loop


针对靶点ID的高内涵扰动筛选

在神经科学领域与Recursion合作


神经科学中的Lab in a loop

首个神经图谱(NeuroMap)涵盖全基因组CRISPR KOs,并增加了与疾病相关的扰动因素


map lib:翻译RNA/图像关系的多模式模型

模型中没有文本或DNA序列


通过细胞Oracle预测抑制表型的化合物


III. 更好的药物发现和优化疗法


用于分子药物发现的Lab in a loop


小分子药物设计的Lab in a loop


小分子AI建模


大环肽的Lab in a loop


DeepFitness可实现small macrocycle的发现

DeepFitness提高了结合亲和力和hit的多样性


大分子设计的Lab in a loop


示例:DyAb可通过多次突变提高亲和力


从头生成抗体

扩散模型通过学习对损坏数据进行去噪处理来生成真实样本


基因治疗的调控元件设计

Nona,一种生物基础模型,(再)用于生成细胞/基因治疗的启动子


IV. 临床实践


SC imilarity 2.0:将人类文本与生物模式配对

模型将人类的解释与RNA模式相结合


SC imilarity应用:化合物标签扩展


临床成像中的Clinic in a loop


实例:用于眼科临床成像的人工智能

从自动化到实现新颖见解


更具挑战性的任务:预测病变生长

我们能否建立一个稳健的模型,根据基线图像预测未来的增长率?


人工智能在预测病灶生长方面表现出色

与基于人类专家得出的特征的模型相比


人工智能模型的预测可提高决策水平

超级变量调整以获得更好的治疗效果估计值







请到「今天看啥」查看全文