第五十八章 展望未来，AI制药系统

第(3/3)页

常强大，智能化程度极高，且可以随着机器和设备的升级而自动升级，不会有什么性能瓶颈。

　　有了它，日后的药物研发肯定是如虎添翼，同时也不用担心有任何的数据泄密。

　　之前他想要购买数据管理系统的时候，就考虑过数据保密的问题，毕竟自己的秘密非常多，数据保密是重中之重，别的不说，专利和药方资料就很珍贵，肯定有不少人觊觎。

　　现在再也不用担心这个问题了。

　　卫康已经爱上了这个智能实验室系统。

　　同时，他也想到了一个问题。

　　一个初级智能系统就如此强大，那么，在升级之后，成为真正的人工智能，发展成AI制药系统的时候，又将会是什么样？

　　他忍不住进入系统，进行询问。

　　“能否展示AI制药的相关信息？”

　　“消耗100积分，可查看AI制药系统介绍。”

　　卫康同意之后，系统向他展示了一大段相关信息。

　　传统新药研发是一个昂贵，漫长而艰难的过程。

　　除了成本高，周期长，成功率低这些困境，药物研发面临的更大瓶颈在于创新。

　　在制药领域，有个知名的反摩尔定律——每隔9年，投资10亿美元产出的上市新药就减少一半，更为常见的是，首创药物占获批新药总数量不足一半。

　　但计算机生物学和人工智能的发展，AI能够在各个制药环节大面积搜索潜在空间，寻找过往因人为经验，实验环境等外界限制未发现的靶点/化合物/晶型等，为创新药物研发提供有力工具。

　　AI制药未来将由‘从0到1阶段’进入到从‘1到10阶段’，各个药企将组成大型AI制药联盟，建立药物大数据实验室，加强多学科融合，搜集高质量研发数据，使用AI设计药物，进入临床试验。

　　而更大的背景是，计算生物学也将引领生物科学走向数据驱动时代。

　　随着高通量测序，纳米操作，生物芯片等技术不断成熟，生物信息数据不断累计，计算生物学也借此发展起来。它通过构建算法和模型，从分子层面理解生物学现象及机制本身，推进相关研究及应用。

　　计算生物学不但能够通过高效精准的计算推演带动上层应用，如化合物性质预测，基因点位预测等，加速AI制药，物种改造等领域的发展。

　　也为生命科学提供了新的研究思路——‘干湿结合的数据闭环’新模式。

　　先通过充足且丰富的定量干实验（AI模型）覆盖待搜索空间，为湿实验室（传统生物实验）中的测试提供精准假设，两者共同迭代加速。

　　而这，必将给医药行业带来改天换地的变化，从而彻底改变整个世界。

　　看完之后，卫康心潮起伏，激动万分。

　　这个AI制药系统，他势在必得。

　　只是不知道，升级所需要积分又是多少呢？
记住手机版网址：m.read888.cc