Դեղագործական հետազոտությունների 7 լավագույն միտումները 2018թ

 

Դժվար տնտեսական և տեխնոլոգիական միջավայրում մրցակցելու անընդհատ աճող ճնշման տակ լինելով՝ դեղագործական և բիոտեխնոլոգիական ընկերությունները պետք է շարունակաբար նորամուծեն իրենց R&D ծրագրերում, որպեսզի առաջ մնան խաղից առաջ:

Արտաքին նորարարությունները գալիս են տարբեր ձևերով և առաջանում են տարբեր վայրերից՝ համալսարանական լաբորատորիաներից մինչև մասնավոր վենչուրային կապիտալով ապահովված ստարտափներ և պայմանագրային հետազոտական ​​կազմակերպություններ (CROs): Եկեք վերանայենք որոշ ամենաազդեցիկ հետազոտական ​​միտումները, որոնք «թեժ» կլինեն 2018-ին և դրանից հետո, և ամփոփենք նորարարություններ մղող հիմնական խաղացողներից մի քանիսը:

Անցյալ տարի BioPharmaTrend-ն ամփոփեցմի քանի կարևոր միտումներազդող կենսադեղագործական արդյունաբերության վրա, մասնավորապես՝ գեների խմբագրման տեխնոլոգիաների տարբեր ասպեկտների առաջխաղացում (հիմնականում՝ CRISPR/Cas9); հետաքրքրաշարժ աճ իմունո-ուռուցքաբանության ոլորտում (CAR-T բջիջներ); աճող ուշադրություն միկրոբիոմի հետազոտության վրա; խորացող հետաքրքրություն ճշգրիտ բժշկության նկատմամբ; հակաբիոտիկների հայտնաբերման որոշ կարևոր առաջընթաց; թմրամիջոցների հայտնաբերման/մշակման համար արհեստական ​​ինտելեկտի (AI) նկատմամբ աճող ոգևորություն. հակասական, բայց արագ աճ բժշկական կանեփի ոլորտում. և դեղագործության շարունակական ուշադրությունը նորարարություններին և փորձին հասնելու համար R&D աութսորսինգ մոդելներում ներգրավվելու վրա:

Ստորև բերված է այս վերանայման շարունակությունը՝ ցանկին ավելացված հետազոտության մի քանի այլ ակտիվ ոլորտներ, և վերը նշված միտումների մի քանի ընդարձակ մեկնաբանություն, որտեղ տեղին է:

1. Արհեստական ​​ինտելեկտի (AI) ընդունում դեղագործության և կենսատեխնոլոգիայի կողմից

Այսօրվա արհեստական ​​ինտելեկտի շուրջ բարձրացված աղմուկով, դժվար է որևէ մեկին զարմացնել դեղագործական հետազոտությունների այս միտումով: Այնուամենայնիվ, հարկ է նշել, որ AI-ի վրա հիմնված ընկերությունները իսկապես սկսում են գրավել խոշոր դեղագործական և կյանքի գիտության այլ առաջատար խաղացողներ, բազմաթիվ հետազոտական ​​գործընկերություններով և համագործակցային ծրագրերով.այստեղմինչ այժմ հիմնական գործարքների ցանկն է, ևայստեղվերջին մի քանի ամիսների ընթացքում «AI-ը դեղերի հայտնաբերման համար» տարածքում որոշ նշանակալի գործունեության համառոտ ակնարկ է:

Արհեստական ​​ինտելեկտի վրա հիմնված գործիքների ներուժն այժմ ուսումնասիրվում է դեղերի հայտնաբերման և մշակման բոլոր փուլերում՝ հետազոտական ​​տվյալների արդյունահանումից և թիրախների նույնականացմանն ու վավերացմանն աջակցելուց, մինչև նոր կապարի միացությունների և դեղերի թեկնածուների հայտնաբերումը և դրանց հատկությունների և ռիսկերի կանխատեսումը: Եվ վերջապես, արհեստական ​​ինտելեկտի վրա հիմնված ծրագրակազմն այժմ կարող է օգնել քիմիական սինթեզի պլանավորմանը՝ հետաքրքրող միացություններ ստանալու համար: AI-ն կիրառվում է նաև նախակլինիկական և կլինիկական փորձարկումների պլանավորման և կենսաբժշկական և կլինիկական տվյալների վերլուծության համար:

Թիրախային թմրամիջոցների հայտնաբերումից բացի, AI-ն կիրառվում է այլ հետազոտական ​​ոլորտներում, օրինակ՝ ֆենոտիպային դեղերի հայտնաբերման ծրագրերում՝ վերլուծելով բարձր բովանդակության զննման մեթոդների տվյալները:

AI-ի վրա հիմնված ստարտափների հիմնական ուշադրությունը փոքր մոլեկուլային դեղամիջոցների հայտնաբերման վրա, կա նաև հետաքրքրություն կենսաբանական նյութերի հայտնաբերման և զարգացման համար նման տեխնոլոգիաների կիրառման նկատմամբ:

2. Թմրամիջոցների հայտնաբերման հետախուզման համար քիմիական տարածքի ընդլայնում

Փոքր մոլեկուլային թմրամիջոցների հայտնաբերման ցանկացած ծրագրի կարևոր մասն է հարվածների հետախուզումը. այն մեկնարկային մոլեկուլների նույնականացումը, որոնք կսկսեն ճանապարհորդություն դեպի հաջող դեղամիջոցներ (հազվադեպ են նրանք գոյատևում այս ճանապարհորդությունից, սակայն) բազմաթիվ օպտիմալացման, վավերացման և փորձարկման փուլերի միջոցով:

Հիթային հետազոտության հիմնական տարրը թմրամիջոցների մոլեկուլների նման ընդլայնված և քիմիապես բազմազան տարածության հասանելիությունն է, որոնցից թեկնածուներ ընտրելու, հատկապես նոր թիրախային կենսաբանության հետազոտման համար: Հաշվի առնելով, որ դեղագործության ձեռքի տակ գտնվող միացությունների հավաքածուները մասամբ կառուցվել են փոքր մոլեկուլների նախագծման հիման վրա, որոնք ուղղված են հայտնի կենսաբանական թիրախներին, նոր կենսաբանական թիրախները պահանջում են նոր ձևավորումներ և նոր գաղափարներ՝ չափից դուրս նույն քիմիայի վերամշակման փոխարեն:

Հետևելով այս անհրաժեշտությանը, ակադեմիական լաբորատորիաները և մասնավոր ընկերությունները ստեղծում են քիմիական միացությունների տվյալների բազաներ, որոնք շատ ավելին են, քան հասանելի են դեղագործական ընկերության տիպիկ միացությունների հավաքածուներում: Օրինակները ներառում են վիրտուալ մոլեկուլների GDB-17 տվյալների բազան, որը պարունակում է 166,4 միլիարդ մոլեկուլ ևFDB-1710 միլիոն բեկորանման մոլեկուլներ՝ մինչև 17 ծանր ատոմներով;ՑԻՆԿ– վիրտուալ զննման համար առևտրային հասանելի միացությունների անվճար տվյալների բազա, որը պարունակում է 750 միլիոն մոլեկուլ, այդ թվում՝ 230 միլիոնը 3D ձևաչափերով, որոնք պատրաստ են տեղադրման համար. և Enamine-ի կողմից սինթետիկորեն հասանելի հեշտությամբ հասանելի (REAL) քիմիական տարածության վերջին զարգացումը. 650 միլիոն մոլեկուլներ որոնելի են միջոցովԻՐԱԿԱՆ Տիեզերական նավիգատործրագրային ապահովում, և337 միլիոն մոլեկուլ որոնելի է(ըստ նմանության) EnamineStore-ում:

Թմրամիջոցների նմանվող նոր քիմիական տարածք մուտք գործելու այլընտրանքային մոտեցում է հարվածների հետախուզման համար ԴՆԹ-ով կոդավորված գրադարանային տեխնոլոգիան (DELT): Շնորհիվ DELT-ի սինթեզի «պառակտում և լողավազան» բնույթի, հնարավոր է դառնում հսկայական քանակությամբ միացություններ պատրաստել ծախսերի և ժամանակի արդյունավետ եղանակով (միլիոններից մինչև միլիարդավոր միացություններ):Այստեղխորաթափանց զեկույց է պատմական նախապատմության, հասկացությունների, հաջողությունների, սահմանափակումների և ԴՆԹ-ով կոդավորված գրադարանային տեխնոլոգիայի ապագայի վերաբերյալ:

3. ՌՆԹ-ի թիրախավորում փոքր մոլեկուլներով

Սա թեժ միտում է դեղերի հայտնաբերման ոլորտում՝ շարունակաբար աճող ոգևորությամբ. գիտնականները, բիոտեխնոլոգիական ստարտափները և դեղագործական ընկերությունները գնալով ավելի ակտիվ են ՌՆԹ-ի թիրախավորման հարցում, թեև անորոշությունը նույնպես բարձր է:

Կենդանի օրգանիզմում,ԴՆԹպահպանում է տեղեկատվությունըսպիտակուցըսինթեզ ևՌՆԹկատարում է ԴՆԹ-ում կոդավորված հրահանգները, որոնք հանգեցնում են ռիբոսոմներում սպիտակուցի սինթեզին: Թեև դեղերի մեծ մասն ուղղված է հիվանդության համար պատասխանատու սպիտակուցներին, երբեմն դա բավարար չէ պաթոգեն գործընթացները ճնշելու համար: Թվում է, թե խելացի ռազմավարություն է՝ սկսել ավելի վաղ գործընթացում և ազդել ՌՆԹ-ի վրա՝ նախքան սպիտակուցների սինթեզը, հետևաբար, էականորեն ազդելով գենոտիպի անցանկալի ֆենոտիպի (հիվանդության դրսևորում) թարգմանության գործընթացի վրա:

Խնդիրն այն է, որ ՌՆԹ-ները սարսափելի թիրախներ են փոքր մոլեկուլների համար. դրանք գծային են, բայց կարող են անշնորհքորեն պտտվել, ծալվել կամ կպչել ինքն իրեն՝ վատ տրամադրելով իր ձևը դեղերի համար համապատասխան կապող գրպաններին: Բացի այդ, ի տարբերություն սպիտակուցների, դրանք կազմված են ընդամենը չորս նուկլեոտիդային շինանյութից, ինչը նրանց բոլորին շատ նման է թվում և դժվար է փոքր մոլեկուլների կողմից ընտրովի թիրախավորման համար:

Այնուամենայնիվ,մի շարք վերջին առաջընթացներենթադրում են, որ իրականում հնարավոր է թմրամիջոցների նման, կենսաբանորեն ակտիվ փոքր մոլեկուլներ ստեղծել, որոնք ուղղված են ՌՆԹ-ին: Նոր գիտական ​​պատկերացումները դրդեցին ոսկե տենդին ՌՆԹ-ի համար.առնվազն մեկ տասնյակ ընկերություններունեն դրան նվիրված ծրագրեր, այդ թվում՝ խոշոր դեղագործական (Biogen, Merck, Novartis և Pfizer) և բիոտեխնոլոգիական ստարտափներ, ինչպիսիք են Arrakis Therapeutics-ը$38 մլն Սերիա A փուլ2017 թվականին և Expansion Therapeutics –$55 մլն Սերիա A-ի սկզբին 2018թ.

4. Հակաբիոտիկների նոր բացահայտում

Աճող մտահոգություն կա հակաբիոտիկների նկատմամբ կայուն բակտերիաների՝ սուպերբակտերիաների աճի վերաբերյալ: Նրանք ամեն տարի պատասխանատու են աշխարհում մոտ 700,000 մահվան դեպքերի համար, և ըստ Մեծ Բրիտանիայի կառավարության վերանայման, այդ թիվը կարող է կտրուկ աճել՝ մինչև 10 միլիոն մինչև 2050 թվականը: ժամանակի ընթացքում անօգուտ:

Հակաբիոտիկների անպատասխանատու նշանակումը հիվանդների մոտ պարզ դեպքեր բուժելու համար և հակաբիոտիկների լայնածավալ օգտագործումը անասնաբուծության մեջ վտանգում են իրավիճակը՝ արագացնելով բակտերիալ մուտացիաների արագությունը՝ տագնապալի արագությամբ դրանք դարձնելով դեղերի նկատմամբ կայուն:

Մյուս կողմից, հակաբիոտիկների հայտնաբերումը ոչ գրավիչ ոլորտ է եղել դեղագործական հետազոտությունների համար՝ համեմատած ավելի «տնտեսապես իրագործելի» դեղամիջոցների մշակման հետ: Հավանաբար, դա հակաբիոտիկների նոր դասերի խողովակաշարի չորացման հիմնական պատճառն է, որի վերջինը ներդրվել է ավելի քան երեսուն տարի առաջ:

Ներկայումս հակաբիոտիկների հայտնաբերումը դառնում է ավելի գրավիչ՝ կարգավորող օրենսդրության որոշ շահավետ փոփոխությունների շնորհիվ, որոնք խթանում են դեղագործությանը գումարներ ներդնել հակաբիոտիկների հայտնաբերման ծրագրերում, և վենչուրային ներդրողներին՝ կենսատեխնոլոգիական ստարտափներին, որոնք խոստումնալից հակաբակտերիալ դեղամիջոցներ են մշակում: 2016 թվականին մեզանից մեկը (AB)վերանայեց հակաբիոտիկների հայտնաբերման վիճակըև ամփոփեց տարածության որոշ խոստումնալից ստարտափներ, այդ թվում՝ Macrolide Pharmaceuticals, Iterum Therapeutics, Spero Therapeutics, Cidara Therapeutics և Entasis Therapeutics:

Հատկանշական է, որ հակաբիոտիկների ոլորտում վերջին շրջանում ամենահետաքրքիր նվաճումներից մեկն այն էTeixobactin-ի հայտնաբերումըև դրա անալոգները 2015 թվականին մի խումբ գիտնականների կողմից՝ Դոկտոր Քիմ Լյուիսի գլխավորությամբ, Հակաբակտերիալ հայտնաբերման կենտրոնի տնօրեն Հյուսիսարևելյան համալսարանում: Ենթադրվում է, որ հակաբիոտիկների այս հզոր նոր դասը կարող է դիմակայել դրա դեմ բակտերիաների դիմադրության զարգացմանը: Անցյալ տարի Լինքոլնի համալսարանի հետազոտողները հաջողությամբ մշակեցին տեյքսոբակտինի սինթեզված տարբերակը՝ կատարելով կարևոր քայլ առաջ։

Այժմ Սինգապուրի Աչքի հետազոտությունների ինստիտուտի հետազոտողները ցույց են տվել, որ դեղամիջոցի սինթետիկ տարբերակը կարող է հաջողությամբ բուժել Staphylococcus aureus keratitis կենդանի մկան մոդելներում: նախքան տեյքսոբակտինի ակտիվությունը ցուցադրվում էր միայն in vitro: Այս նոր բացահայտումների շնորհիվ տեյքսոբակտինին կպահանջվի ևս 6-10 տարվա մշակում, որպեսզի դառնա դեղամիջոց, որը բժիշկները կարող են օգտագործել:

2015 թվականին տեյքսոբակտինի հայտնաբերումից ի վեր հակաբիոտիկների ևս մեկ նոր ընտանիք՝ մալացիդիններ, հայտնվեցին.բացահայտվել է 2018 թվականի սկզբին. Այս հայտնագործությունը դեռ վաղ փուլերում է, և ոչ այնքան զարգացած, որքան տեյքսոբակտինի վերաբերյալ վերջին հետազոտությունը

5. Ֆենոտիպային սկրինինգ

Պատկերի վարկ.SciLifeLab

2011 թվականին հեղինակներ Դեյվիդ Սվինին և Ջեյսոն Էնթոնինհրապարակել են իրենց բացահայտումների արդյունքներըայն մասին, թե ինչպես են հայտնաբերվել նոր դեղամիջոցներ 1999-ից 2008 թվականներին՝ բացահայտելով այն փաստը, որ առաջին կարգի փոքր մոլեկուլային դեղամիջոցներից զգալիորեն ավելի շատ են հայտնաբերվել ֆենոտիպային սկրինինգի միջոցով, քան թիրախային մոտեցումները (համապատասխանաբար՝ 28 հաստատված դեղամիջոցներ ընդդեմ 17-ի), և դա ավելի ապշեցուցիչ է, եթե հաշվի առնենք, որ այն թիրախային մոտեցում էր, որը հիմնական ուշադրության կենտրոնում էր նշված ժամանակահատվածում:

Այս ազդեցիկ վերլուծությունը սկիզբ դրեց 2011 թվականից ի վեր ֆենոտիպային դեղերի հայտնաբերման պարադիգմայի վերածննդի՝ ինչպես դեղագործական արդյունաբերության, այնպես էլ ակադեմիական շրջանակներում: Վերջերս Novartis-ի գիտնականներըստուգատես է անցկացրելայս տենդենցի ներկա վիճակի վերաբերյալ և եկան այն եզրակացության, որ, չնայած դեղագործական հետազոտական ​​կազմակերպությունները ֆենոտիպային մոտեցման հետ կապված զգալի մարտահրավերների են հանդիպել, վերջին 5 տարում նկատելի է թիրախի վրա հիմնված էկրանների քանակի նվազում և ֆենոտիպային մոտեցումների աճ: Ամենայն հավանականությամբ, այս միտումը կշարունակվի 2018 թվականից շատ ավելին։

Կարևոր է, որ ֆենոտիպային և թիրախային մոտեցումները համեմատելուց բացի, կա հստակ միտում դեպի ավելի բարդ բջջային վերլուծություններ, ինչպիսիք են անմահ բջջային գծերից առաջնային բջիջներ, հիվանդի բջիջներ, համատեղ մշակույթներ և 3D մշակույթներ: Փորձարարական կարգավորումը նույնպես գնալով ավելի բարդ է դառնում՝ դուրս գալով միակողմանի ընթերցումների սահմաններից՝ դիտարկելով ենթաբջջային բաժանմունքների փոփոխությունները, մեկ բջջային վերլուծությունը և նույնիսկ բջիջների պատկերումը:

6. Օրգաններ (մարմին)-չիպի ​​վրա

Կենդանի մարդկային բջիջներով պատված միկրոչիպերը կարող են հեղաշրջում կատարել դեղամիջոցների մշակման, հիվանդությունների մոդելավորման և անհատականացված բժշկության մեջ: Այս միկրոչիպերը, որոնք կոչվում են «օրգաններ չիպերի վրա», առաջարկում են պոտենցիալ այլընտրանք կենդանիների վրա ավանդական փորձարկումներին: Ի վերջո, համակարգերն ամբողջությամբ միացնելը միջոց է ամբողջ «մարմինը-չիպի ​​վրա» համակարգը իդեալական թմրամիջոցների հայտնաբերման և դեղերի թեկնածուի փորձարկման և վավերացման համար:

Այս միտումն այժմ մեծ խնդիր է թմրամիջոցների հայտնաբերման և զարգացման ոլորտում, և մենք արդեն լուսաբանել ենք «օրգան-չիպի ​​վրա» պարադիգմի ներկայիս կարգավիճակն ու համատեքստը վերջերս։մինի վերանայում.

Մինչդեռ շատ թերահավատություն կար մոտ 6-7 տարի առաջ, երբ ոլորտի վերաբերյալ հեռանկարները ձևակերպվում էին խանդավառ որդեգրողների կողմից: Այսօր, սակայն, քննադատները կարծես լրիվ նահանջում են: Ոչ միայն կարգավորող և ֆինանսավորող գործակալություններ ունենընդունեց հայեցակարգը, բայց այժմ ավելի ու ավելի էընդունվածորպես դեղերի հետազոտման հարթակ ինչպես դեղագործական, այնպես էլ ակադեմիական շրջանակների կողմից: Ավելի քան երկու տասնյակ օրգան համակարգեր ներկայացված են չիպային համակարգերում: Կարդացեք ավելին դրա մասինայստեղ.

7. Կենսատպագրություն

Մարդկային հյուսվածքների և օրգանների կենսատպագրության ոլորտը արագորեն զարգանում է, և դա, անկասկած, բժշկության ապագան է: Հիմնադրվել է 2016 թվականի սկզբին,CellinkԱշխարհի առաջին ընկերություններից մեկն է, որն առաջարկում է 3D տպագրվող բիոինկ՝ հեղուկ, որը հնարավորություն է տալիս կյանքն ու մարդկային բջիջների աճը: Այժմ ընկերությունը կենսատպում է մարմնի մասեր՝ քիթ և ականջ, հիմնականում դեղերի և կոսմետիկայի փորձարկման համար: Այն նաև տպում է խորանարդիկներ, որոնք հետազոտողներին հնարավորություն են տալիս «խաղալ» մարդու օրգանների բջիջների հետ, ինչպիսիք են լյարդը:

Cellink-ը վերջերս համագործակցեց CTI Biotech ֆրանսիական medtech ընկերության հետ, որը մասնագիտացած է քաղցկեղի հյուսվածքների արտադրության մեջ, որպեսզի էապես առաջ տանի քաղցկեղի հետազոտության և դեղամիջոցների հայտնաբերման ոլորտը:

Երիտասարդ բիոտեխնոլոգիական ստարտափն ըստ էության կօգնի CTI-ին 3D տպագրել քաղցկեղի ուռուցքների կրկնօրինակները՝ խառնելով Cellink-ի բիոինքը հիվանդի քաղցկեղի բջիջների նմուշի հետ: Սա կօգնի հետազոտողներին բացահայտել նոր բուժումներ քաղցկեղի հատուկ տեսակների դեմ:

Կենսատեխնոլոգիական մեկ այլ ստարտափ, որը զարգացնում է 3D տպագրության տեխնոլոգիան կենսաբանական նյութեր տպելու համար՝ Օքսֆորդի համալսարանի սպինաութ ընկերությունը՝ OxSyBio, որըպարզապես ապահովել է 10 միլիոն ֆունտ ստեռլինգԱ սերիայի ֆինանսավորում.

Թեև 3D կենսատպագրությունը չափազանց օգտակար տեխնոլոգիա է, այն ստատիկ է և անշունչ, քանի որ հաշվի է առնում միայն տպագիր օբյեկտի նախնական վիճակը: Ավելի առաջադեմ մոտեցում է «ժամանակը» որպես չորրորդ չափում ներառել տպագիր կենսաօբյեկտներում (այսպես կոչված՝ «4D բիոտպագրություն»), ինչը նրանց հնարավորություն է տալիս փոխել իրենց ձևերը կամ գործառույթները ժամանակի ընթացքում, երբ արտաքին խթան է դրվում:Այստեղ4D կենսատպագրության խորաթափանց ակնարկ է:

Փակման հեռանկար

Նույնիսկ առանց նոր նկարագրված լավագույն միտումներից յուրաքանչյուրին խորը սուզվելու, պետք է ակնհայտ դառնա, որ AI-ն գնալու է գործողությունների գնալով աճող մասի: Biopharma նորարարության այս բոլոր նոր ոլորտները դարձել են մեծ տվյալների կենտրոնացված: Այս հանգամանքն ինքնին կանխագուշակում է AI-ի առաջնահերթ դերը՝ նշելով նաև, որպես թեմայի այս լուսաբանման հետգրություն, որ AI-ն ներառում է շարունակական էվոլյուցիայի ենթարկվող բազմաթիվ, վերլուծական և թվային գործիքներ: Արհեստական ​​ինտելեկտի կիրառությունները դեղերի հայտնաբերման և զարգացման վաղ փուլերում հիմնականում ուղղված են թաքնված օրինաչափությունների և եզրակացությունների բացահայտմանը, որոնք կապում են պատճառներն ու հետևանքները, այլապես ոչ նույնականելի կամ հասկանալի:

Այսպիսով, արհեստական ​​ինտելեկտի գործիքների ենթաբազմությունը, որոնք օգտագործվում են դեղագործական հետազոտություններում, ավելի պատշաճ կերպով ընկնում են «մեքենայի հետախուզություն» կամ «մեքենայական ուսուցում» անվան տակ։ Դրանք կարող են վերահսկվել ինչպես մարդկային առաջնորդությամբ, ինչպես դասակարգիչներում և վիճակագրական ուսուցման մեթոդներում, այնպես էլ առանց վերահսկման իրենց ներքին աշխատանքի մեջ, ինչպես տարբեր տեսակի արհեստական ​​նեյրոնային ցանցերի ներդրման ժամանակ: Լեզուն և իմաստային մշակումը և անորոշ (կամ անորոշ) դատողությունների հավանականական մեթոդները նույնպես օգտակար դեր են խաղում:

Հասկանալը, թե ինչպես կարող են այս տարբեր գործառույթները ինտեգրվել «AI»-ի լայն կարգապահությանը, դա դժվար գործ է, որը պետք է ձեռնարկեն բոլոր շահագրգիռ կողմերը: Բացատրություններ և պարզաբանումներ փնտրելու լավագույն վայրերից էData Science Centralպորտալը և հատկապես Վինսենթ Գրանվիլի բլոգային գրառումները, ով պարբերաբարպարզաբանում է տարբերություններըAI-ի, մեքենայական թեքման, խորը ուսուցման և վիճակագրության միջև: Ինտելեկտուալ արհեստական ​​ինտելեկտի ինտերիերին ծանոթանալը, որպես ամբողջություն, անփոխարինելի բաղադրիչ է բիոֆարմայի ցանկացած միտումներին համընթաց կամ առաջ անցնելու համար:


Հրապարակման ժամանակը` մայիս-29-2018
WhatsApp առցանց զրույց!