笔下文学

手机浏览器扫描二维码访问

第五十八章 展望未来，AI制药系统(3/3)

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？

请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。