“数据+计算”成为医药行业新范式，如何应对研发到落地重重阻碍？

主要观点总结

本文介绍了数据计算与机器学习技术在制药领域的广泛应用，为药物研发带来了全新的思路和方法。通过高通量筛选等技术，制药行业能够设计出选择性更高、活性更优的分子，减少筛选候选药物所需的时间和成本，并提高药物研发项目的成功率。文章还提及了薛定谔公司，一家利用先进计算方法改变药物研发方式的公司，其计算药物研发平台能够预测分子的活性，并利用AI缩短筛选分子的时间。此外，文章还讨论了AI在制药行业中的应用、市场规模、商业模式以及面临的挑战。

关键观点总结

关键观点1: 数据计算与机器学习技术在制药领域的应用

通过高通量筛选等技术，为药物研发带来全新思路和方法，提高研发效率和成功率。

关键观点2: 薛定谔公司的贡献

薛定谔公司利用先进的计算方法改变药物研发方式，其计算药物研发平台能够预测分子的活性，并利用AI缩短筛选分子的时间。

关键观点3: AI在制药行业中的应用及市场规模

AI在药物研发中创造了多个价值，推动了小分子药物研发的发展。市场增长迅速，预计将持续发展。

关键观点4: 面临的挑战

软件仍有优化空间，面临数据库规模、打分函数准确性等问题。需要专家对模型进行全面验证，计算化学与人工智能应合作而非取代人类工作。

文章预览

当前，数据与计算的结合已渗透于制药领域的全流程。 本文为IPO早知道原创 作者｜Stone Jin 微信公众号｜ipozaozhidao    “长期以来，药物研发周期长、成本高、成功率低等问题困扰着整个行业。 如今，通过数据、计算与机器学习技术的不断迭代，药物研发团队能够设计出选择性更高、活性更优的分子，从而减少筛选候选药物所需的时间和成本，并增加药物研发项目进入临床开发的成功率。 这一突破性进展不仅为药物研发带来了全新的思路和方法，也为解决全球性的医药难题提供了坚实的支撑。” 近日，在启明创投联合投资企业、全球计算药物研发领军公司薛定谔（Schrödinger，NASDAQ:SDGR）举办的结合物理建模与机器学习：加速结构化药物发现研发分享会上，启明创投主管合伙人梁颕宇指出。   当前，数据与计算的结合已渗透于制药领域的全流程。 ………………………………