Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Optibrium pubblica lo studio Pari-Esaminato maggiore sulle applicazioni di AI ai dati globali di Pharma

Optibrium ha limitato, fornitore principale di software e le soluzioni di intelligenza (AI) artificiale per la scoperta della droga, oggi hanno annunciato la pubblicazione di uno studio pari-esaminato nelle lettere applicate di AI, “imputazione profonda sui dati su grande scala di scoperta della droga„.

Lavorando con il gruppo di dati globale privato dei prodotti farmaceutici di Takeda', la piattaforma aumentata del Chemistry® del Optibrium applicato gruppo, dimostrante il potenziale di imputazione d'apprendimento profonda di diminuire costo e migliorare gli indici di successo della scoperta della droga. La piattaforma fa leva il metodo d'apprendimento profondo di Alchemite™, sviluppata da Intellegens ed indicata per consegnare le previsioni più accurate e più affidabili dei beni biologici complessi delle droghe potenziali, permettendo alle decisioni di progettazione più efficaci.

Lo studio ha dimostrato quello che l'imputazione d'apprendimento profonda genera le nuove e comprensioni apprezzate sul Pharma-disgaggio globale, i gruppi di dati d'alto valore e privati. Tali gruppi di dati sono complessi, con i dati che derivano da molti esperimenti differenti, compreso le attività composte nelle analisi biochimiche e fenotipiche, dati ed assorbimento della selezione di alto-capacità di lavorazione, distribuzione, metabolismo, eliminazione e punti finali della tossicità (ADMET).

Prendendo le migliori decisioni sulla progressione del progetto su tali dati più ulteriormente è complicato dal fatto che la maggior parte dei composti potenziali della droga sono misurati soltanto in un piccolo sottoinsieme degli esperimenti che le società di Biotech e farmaceutiche usano ordinariamente, con conseguente gruppi di dati dove soltanto alcune percentuali delle misure possibili sono state effettuate.

Ancora, le misure sono molto rumoroso dovuto la complessità degli esperimenti biologici. Mentre queste caratteristiche limitano l'efficacia della maggior parte dei metodi di apprendimento automatico, lo studio ha confermato che Chemistry® aumentato ha fornito le comprensioni apprezzate su tali dati provocatori.

Lo studio egualmente ha trovato quello imputazione d'apprendimento profonda reso a previsioni più accurate beni biologici dei composti', compreso la previsione futura delle attività composte nel contesto dei progetti. In particolare, ha mostrato i vantaggi sostanziali nella predizione dei punti finali complessi, come alle le analisi basate a cella, che sono risorsa-intensive e dove le previsioni più accurate provocano le riduzioni sostanziali di costo e di tempo.

Ancora, il metodo ha identificato attendibilmente le previsioni più accurate su cui basare le decisioni, che è essenziale per evitare mancare le opportunità apprezzate in seguito alle previsioni inesatte. Ha evidenziato dove i dati più sperimentali sono richiesti per prendere una decisione sicura, fissandola oltre all'altro apprendimento automatico ed ai metodi di AI che lottano per fornire informazioni affidabili di fiducia sulle diverse previsioni.

In seguito ad uno studio precedente, che ha dimostrato l'efficacia di imputazione d'apprendimento profonda sui più piccoli gruppi di dati progetto-specifici, questo nuovo studio ha indicato che lo stesso metodo sottopone a operazioni di disgaggio ai gruppi di dati globali di pharma. Il modello descritto è stato sviluppato su 1,8 milione punti di informazioni per quanto riguarda circa 700.000 composti e 1.200 punti finali sperimentali. Una volta applicate su questo disgaggio, le comprensioni nei composti d'alto valore e le strategie di ricerca aumentano esponenzialmente.

Questo studio conferma i risultati che tremendi abbiamo veduto in molte collaborazioni con il pharma, Biotech e le organizzazioni senza scopo di lucro. Siamo eccitati per vedere che i vantaggi significativi la nostra tecnologia di AI sta producendo e l'entusiasmo per il suo assorbimento nella comunità di pharma.„

Matthew Segall, CEO a Optibrium

Per osservare un webinar riassumendo i risultati chiave di questo studio, visualizzi https://bit.ly/largescale_imputation.

Per ulteriori informazioni su Optibrium, visualizzi prego www.optibrium.com, contatti [email protected] o chiami +44 1223 815900.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Optibrium Ltd.. (2021, June 29). Optibrium pubblica lo studio Pari-Esaminato maggiore sulle applicazioni di AI ai dati globali di Pharma. News-Medical. Retrieved on October 22, 2021 from https://www.news-medical.net/news/20210629/Optibrium-Publishes-Major-Peer-Reviewed-Study-on-AI-Applications-to-Global-Pharma-Data.aspx.

  • MLA

    Optibrium Ltd.. "Optibrium pubblica lo studio Pari-Esaminato maggiore sulle applicazioni di AI ai dati globali di Pharma". News-Medical. 22 October 2021. <https://www.news-medical.net/news/20210629/Optibrium-Publishes-Major-Peer-Reviewed-Study-on-AI-Applications-to-Global-Pharma-Data.aspx>.

  • Chicago

    Optibrium Ltd.. "Optibrium pubblica lo studio Pari-Esaminato maggiore sulle applicazioni di AI ai dati globali di Pharma". News-Medical. https://www.news-medical.net/news/20210629/Optibrium-Publishes-Major-Peer-Reviewed-Study-on-AI-Applications-to-Global-Pharma-Data.aspx. (accessed October 22, 2021).

  • Harvard

    Optibrium Ltd.. 2021. Optibrium pubblica lo studio Pari-Esaminato maggiore sulle applicazioni di AI ai dati globali di Pharma. News-Medical, viewed 22 October 2021, https://www.news-medical.net/news/20210629/Optibrium-Publishes-Major-Peer-Reviewed-Study-on-AI-Applications-to-Global-Pharma-Data.aspx.