作为近年来最“时髦”的词汇，人工智能被世人寄予了厚望。盘点人工智能在各个行业领域的应用，我们不难发现，人工智能作为新兴技术代表，具有十分强大的能力和广阔的应用前景。特别是在医药研发领域，人工智能更是发挥出了“神奇”的作用。

　　今天，就由再生医学网带您来盘点下人工智能在医药研发领域的应用范畴吧！

　　1、靶向药物研发

　　利用机器学习算法可以组合设计并评估编码的深层知识，从而可以完全应用于旧时的单目标药物发现项目。研究人员首先研究了靶点选择性结合均衡小分子的可能性来确定那些最易于化学处理的靶点，对于双特异性小分子，设计过程类似于单一目标药物。关键的区别在于功效必须同时满足2个不同的目标。初创公司Exscientia是AI公司这方面的典型代表，Exscientia针对这些靶点药物通过AI药物研发平台为GSK公司的10个疾病靶点开发创新小分子药物，来发现临床候选药物。Exscientia系统可以从每个设计周期的现有数据资源和实验数据中学习，这些原理近似于人类自我学习的过程，但AI在识别多种微妙和复杂的变化以平衡药效方面更具效率。

　　2、药物挖掘

　　医学、物理学或材料科学领域的专业论文非常广泛，但这些专业论文中有大量独立的专业知识和研究结果，快速且有针对性地组织和连接这些知识和发现的能力对于药物挖掘是极其重要的。使用人工智能可以从大量的科学论文、专利、临床试验信息和非结构化信息中生成有用的信息。通过自然语言处理算法的深度学习优化，分析和理解上下文信息，然后进一步学习、探索、创建和翻译它所学到的知识以产生独特结论。

　　3、化合物筛选

　　化合物筛选是指通过标准化实验方法从大量化合物或新化合物中选择对特定靶标具有较高活性的化合物方法，这样通常需要很长的时间和较多的成本，因为要从数万种化合物分子中选择与活性指数相匹配的化合物。Atomwise是硅谷的一家人工智能公司，开发了人工智能分子筛选（AIMS）项目，该项目计划通过分析每种疾病的数百万种化合物来加速拯救生命药物的开发。

　　同时，该公司开发了基于卷积神经网络的AtomNet系统，该系统已经学习了大量的化学知识和研究数据。该系统分析化合物的构效关系，确定药物化学中的基本模块，并用于新药发现和新药风险评估。目前，AtomNet系统已经掌握了很多化学知识和研究资料，2015年AtomNet只用1周时间已经可以模拟2种有希望用于埃博拉病毒治疗的化合物。

　　通过上述盘点，我们不难发现，在医药研发领域，人工智能已经成为不可或缺的重要“原动力”之一。对此，再生医学网表示，医药研发往往涉及到大数据处理，这也是之前为什么医药研发往往需要经年累月的原因。不过，相信在人工智能“加持”下，医药研发将会从此走上“快车道”，进而令更多患者能够从中受惠。