ພາຍໃຕ້ຄວາມກົດດັນທີ່ເພີ່ມຂຶ້ນເລື້ອຍໆເພື່ອແຂ່ງຂັນໃນສະພາບແວດລ້ອມດ້ານເສດຖະກິດແລະເຕັກໂນໂລຢີທີ່ທ້າທາຍ, ບໍລິສັດຢາແລະຊີວະພາບຕ້ອງປະດິດສ້າງຢ່າງຕໍ່ເນື່ອງໃນໂຄງການ R & D ຂອງພວກເຂົາເພື່ອສືບຕໍ່ເກມກ່ອນຫນ້າ.
ນະວັດຕະກໍາພາຍນອກມາໃນຮູບແບບທີ່ແຕກຕ່າງກັນ ແລະເກີດຈາກບ່ອນຕ່າງໆ - ຈາກຫ້ອງທົດລອງມະຫາວິທະຍາໄລ, ຈົນເຖິງການເລີ່ມຕົ້ນທຸລະກິດທີ່ມີທຶນສະໜັບສະໜູນໂດຍເອກະຊົນ ແລະອົງການຄົ້ນຄວ້າສັນຍາ (CROs). ໃຫ້ພວກເຮົາທົບທວນຄືນບາງແນວໂນ້ມການຄົ້ນຄວ້າທີ່ມີອິດທິພົນທີ່ສຸດທີ່ຈະ "ຮ້ອນ" ໃນປີ 2018 ແລະຕໍ່ໄປ, ແລະສະຫຼຸບບາງຕົວລະຄອນທີ່ສໍາຄັນທີ່ຂັບລົດການປະດິດສ້າງ.
ປີທີ່ຜ່ານມາ BioPharmaTrend ໄດ້ສະຫຼຸບແນວໂນ້ມທີ່ສໍາຄັນຈໍານວນຫນຶ່ງຜົນກະທົບຕໍ່ອຸດສາຫະກໍາຢາຊີວະພາບ, ຄື: ຄວາມກ້າວຫນ້າຂອງດ້ານຕ່າງໆຂອງເຕັກໂນໂລຢີການແກ້ໄຂພັນທຸກໍາ (ຕົ້ນຕໍແມ່ນ CRISPR/Cas9); ການຂະຫຍາຍຕົວທີ່ຫນ້າຈັບໃຈໃນເຂດພູມຕ້ານທານ - ມະເຮັງ (ຈຸລັງ CAR-T); ສຸມໃສ່ການເພີ່ມຂຶ້ນໃນການຄົ້ນຄວ້າ microbiome; ຄວາມສົນໃຈເລິກຊຶ້ງໃນຢາປົວພະຍາດຄວາມແມ່ນຍໍາ; ບາງຄວາມກ້າວຫນ້າທີ່ສໍາຄັນໃນການຄົ້ນພົບຢາຕ້ານເຊື້ອ; ຄວາມຕື່ນເຕັ້ນທີ່ເພີ່ມຂຶ້ນກ່ຽວກັບປັນຍາປະດິດ (AI) ສໍາລັບການຄົ້ນພົບ / ການພັດທະນາຢາເສບຕິດ; ການຖົກຖຽງກັນແຕ່ການຂະຫຍາຍຕົວຢ່າງໄວວາໃນຂົງເຂດຂອງ cannabis ທາງການແພດ; ແລະຈຸດສຸມຢ່າງຕໍ່ເນື່ອງຂອງ pharma ກ່ຽວກັບການມີສ່ວນຮ່ວມໃນ R&D outsourcing ຮູບແບບເພື່ອເຂົ້າເຖິງນະວັດກໍາແລະຄວາມຊໍານານ.
ຂ້າງລຸ່ມນີ້ແມ່ນການສືບຕໍ່ຂອງການທົບທວນຄືນນີ້ກັບຫຼາຍຂົງເຂດທີ່ຫ້າວຫັນຂອງການຄົ້ນຄວ້າທີ່ເພີ່ມເຂົ້າໃນບັນຊີລາຍຊື່, ແລະບາງຄໍາຄິດຄໍາເຫັນຂະຫຍາຍກ່ຽວກັບແນວໂນ້ມທີ່ໄດ້ກ່າວມາຂ້າງເທິງ - ທີ່ກ່ຽວຂ້ອງ.
1. ການຮັບຮອງເອົາປັນຍາປະດິດ (AI) ໂດຍ Pharma ແລະ biotech
ດ້ວຍການ hype ທັງຫມົດປະມານ AI ໃນປັດຈຸບັນ, ມັນເປັນການຍາກທີ່ຈະແປກໃຈໃຜທີ່ມີແນວໂນ້ມໃນການຄົ້ນຄວ້າການຢານີ້. ຢ່າງໃດກໍ່ຕາມ, ຄວນສັງເກດວ່າບໍລິສັດທີ່ຂັບເຄື່ອນດ້ວຍ AI ກໍ່ເລີ່ມໄດ້ຮັບການດຶງດູດເອົາກັບຮ້ານຂາຍຢາໃຫຍ່ແລະຜູ້ຫຼິ້ນວິທະຍາສາດຊີວິດຊັ້ນນໍາອື່ນໆ, ດ້ວຍການຮ່ວມມືຄົ້ນຄ້ວາຫຼາຍແລະໂຄງການຮ່ວມມື -ທີ່ນີ້ແມ່ນບັນຊີລາຍຊື່ຂອງຂໍ້ຕົກລົງທີ່ສໍາຄັນມາເຖິງຕອນນັ້ນ, ແລະທີ່ນີ້ແມ່ນການທົບທວນສັ້ນໆກ່ຽວກັບບາງກິດຈະກໍາທີ່ໂດດເດັ່ນໃນຊ່ອງ "AI ສໍາລັບການຄົ້ນພົບຢາເສບຕິດ" ໃນຫຼາຍເດືອນທີ່ຜ່ານມາ.
ທ່າແຮງຂອງເຄື່ອງມືທີ່ໃຊ້ AI ໄດ້ຖືກຄົ້ນພົບໃນທຸກຂັ້ນຕອນຂອງການຄົ້ນພົບ ແລະພັດທະນາຢາ - ຈາກການຂຸດຄົ້ນຂໍ້ມູນການຄົ້ນຄວ້າ ແລະການຊ່ວຍເຫຼືອໃນການກໍານົດເປົ້າໝາຍ ແລະການກວດສອບ, ເພື່ອຊ່ວຍໃຫ້ມີສານປະກອບສານຕະກົ່ວອັນໃໝ່ ແລະຜູ້ນຳໃຊ້ຢາ, ແລະຄາດຄະເນຄຸນສົມບັດ ແລະຄວາມສ່ຽງຂອງເຂົາເຈົ້າ. ແລະສຸດທ້າຍ, ຊອບແວທີ່ອີງໃສ່ AI ປະຈຸບັນສາມາດຊ່ວຍເຫຼືອໃນການວາງແຜນການສັງເຄາະສານເຄມີເພື່ອໃຫ້ໄດ້ທາດປະສົມທີ່ມີຄວາມສົນໃຈ. AI ຍັງຖືກ ນຳ ໃຊ້ກັບການວາງແຜນການທົດລອງທາງຄລີນິກແລະທາງຄລີນິກແລະການວິເຄາະຂໍ້ມູນທາງຊີວະພາບແລະທາງຄລີນິກ.
ນອກເຫນືອຈາກການຄົ້ນພົບຢາເສບຕິດໂດຍອີງໃສ່ເປົ້າຫມາຍ, AI ຖືກນໍາໃຊ້ໃນຂົງເຂດການຄົ້ນຄວ້າອື່ນໆ, ສໍາລັບຕົວຢ່າງ, ໃນໂຄງການຄົ້ນພົບຢາເສບຕິດ phenotypic - ການວິເຄາະຂໍ້ມູນຈາກວິທີການກວດສອບເນື້ອຫາສູງ.
ດ້ວຍຈຸດສຸມຫຼັກຂອງການເລີ່ມຕົ້ນທີ່ຂັບເຄື່ອນໂດຍ AI ໃນການຄົ້ນພົບຢາໂມເລກຸນຂະຫນາດນ້ອຍ, ຍັງມີຄວາມສົນໃຈໃນການນໍາໃຊ້ເຕັກໂນໂລຢີດັ່ງກ່າວສໍາລັບການຄົ້ນພົບແລະການພັດທະນາຊີວະວິທະຍາ.
2. ຂະຫຍາຍພື້ນທີ່ທາງເຄມີໃນການສຳຫຼວດຄົ້ນພົບຢາເສບຕິດ
ພາກສ່ວນໜຶ່ງທີ່ສຳຄັນຂອງໂຄງການຄົ້ນພົບຢາໂມເລກຸນຂະໜາດນ້ອຍ ແມ່ນການສຳຫຼວດ - ການກຳນົດໂມເລກຸນຈຸດເລີ່ມຕົ້ນເຫຼົ່ານັ້ນທີ່ຈະກ້າວໄປສູ່ການເດີນທາງໄປສູ່ການໃຫ້ຢາທີ່ປະສົບຜົນສຳເລັດ (ແຕ່ບໍ່ຄ່ອຍມີຊີວິດລອດໃນການເດີນທາງນີ້, ເຖິງແມ່ນວ່າ) - ຜ່ານການເພີ່ມປະສິດທິພາບ, ການກວດສອບ ແລະການທົດສອບຫຼາຍຂັ້ນຕອນ.
ອົງປະກອບທີ່ສໍາຄັນຂອງການຂຸດຄົ້ນແມ່ນການເຂົ້າເຖິງພື້ນທີ່ຂະຫຍາຍແລະຫຼາກຫຼາຍທາງເຄມີຂອງຢາເຊັ່ນ: ໂມເລກຸນທີ່ຈະເລືອກເອົາຜູ້ສະຫມັກ, ໂດຍສະເພາະ, ສໍາລັບການຄົ້ນຄ້ວາຊີວະສາດເປົ້າຫມາຍໃຫມ່. ເນື່ອງຈາກການເກັບລວບລວມສານປະສົມທີ່ມີຢູ່ໃນມືຂອງ pharma ໄດ້ຖືກສ້າງຂື້ນໃນບາງສ່ວນໂດຍອີງໃສ່ການອອກແບບໂມເລກຸນຂະຫນາດນ້ອຍເພື່ອແນໃສ່ເປົ້າຫມາຍທາງຊີວະພາບທີ່ຮູ້ຈັກ, ເປົ້າຫມາຍທາງຊີວະພາບໃຫມ່ຮຽກຮ້ອງໃຫ້ມີການອອກແບບໃຫມ່ແລະແນວຄວາມຄິດໃຫມ່, ແທນທີ່ຈະໃຊ້ເຄມີດຽວກັນຫຼາຍເກີນໄປ.
ປະຕິບັດຕາມຄວາມຕ້ອງການນີ້, ຫ້ອງທົດລອງທາງວິຊາການແລະບໍລິສັດເອກະຊົນສ້າງຖານຂໍ້ມູນຂອງທາດປະສົມເຄມີທີ່ໄກເກີນກວ່າສິ່ງທີ່ມີຢູ່ໃນການເກັບກໍາປະສົມຂອງບໍລິສັດຢາທົ່ວໄປ. ຕົວຢ່າງລວມມີຖານຂໍ້ມູນ GDB-17 ຂອງໂມເລກຸນ virtual ທີ່ປະກອບດ້ວຍ 166,4 ຕື້ໂມເລກຸນ ແລະFDB-17ຂອງ 10 ລ້ານໂມເລກຸນຄ້າຍຄື fragment ມີເຖິງ 17 ປະລໍາມະນູຫນັກ;ZINK- ຖານຂໍ້ມູນຟຣີຂອງທາດປະສົມທີ່ມີໃຫ້ໃນການຄ້າສໍາລັບການກວດສອບ virtual, ບັນຈຸ 750 ລ້ານໂມເລກຸນ, ລວມທັງ 230 ລ້ານໃນຮູບແບບ 3D ພ້ອມສໍາລັບການ docking; ແລະການພັດທະນາໃນໄລຍະຜ່ານມາຂອງການເຂົ້າເຖິງສັງເຄາະ REadily AvailabLe (REAL) ຊ່ອງທາງເຄມີໂດຍ Enamine — 650 ລ້ານ molecules ຄົ້ນຫາໂດຍຜ່ານຍານອະວະກາດທີ່ແທ້ຈິງຊອບແວ, ແລະ337 ລ້ານໂມເລກຸນສາມາດຄົ້ນຫາໄດ້(ໂດຍຄວາມຄ້າຍຄືກັນ) ຢູ່ EnamineStore.
ວິທີການທາງເລືອກໃນການເຂົ້າເຖິງພື້ນທີ່ສານເຄມີທີ່ຄ້າຍຄືກັບຢາໃຫມ່ສໍາລັບການຂຸດຄົ້ນແມ່ນການນໍາໃຊ້ເຕັກໂນໂລຢີຫ້ອງສະຫມຸດທີ່ເຂົ້າລະຫັດ DNA (DELT). ເນື່ອງຈາກລັກສະນະ "ແຍກແລະສະນຸກເກີ" ຂອງການສັງເຄາະ DELT, ມັນເປັນໄປໄດ້ທີ່ຈະສ້າງທາດປະສົມຈໍານວນຫຼວງຫຼາຍໃນລັກສະນະທີ່ມີຄ່າໃຊ້ຈ່າຍແລະປະຫຍັດເວລາ (ຫຼາຍລ້ານເຖິງຫຼາຍຕື້ຂອງທາດປະສົມ).ທີ່ນີ້ແມ່ນບົດລາຍງານທີ່ເລິກເຊິ່ງກ່ຽວກັບພື້ນຖານປະຫວັດສາດ, ແນວຄວາມຄິດ, ຄວາມສໍາເລັດ, ຂໍ້ຈໍາກັດ, ແລະອະນາຄົດຂອງເຕັກໂນໂລຢີຫ້ອງສະຫມຸດທີ່ເຂົ້າລະຫັດ DNA.
3. ການກໍານົດ RNA ທີ່ມີໂມເລກຸນຂະຫນາດນ້ອຍ
ນີ້ແມ່ນທ່າອ່ຽງຮ້ອນໃນພື້ນທີ່ການຄົ້ນພົບຢາທີ່ມີຄວາມຕື່ນເຕັ້ນທີ່ເພີ່ມຂຶ້ນຢ່າງຕໍ່ເນື່ອງ: ນັກວິຊາການ, ການເລີ່ມຕົ້ນທາງຊີວະພາບແລະບໍລິສັດການຢາມີການເຄື່ອນໄຫວຫຼາຍຂຶ້ນກ່ຽວກັບການກໍາຫນົດເປົ້າຫມາຍ RNA, ເຖິງແມ່ນວ່າຄວາມບໍ່ແນ່ນອນແມ່ນສູງ.
ຢູ່ໃນສິ່ງມີຊີວິດ,DNAເກັບຮັກສາຂໍ້ມູນສໍາລັບທາດໂປຼຕີນການສັງເຄາະແລະRNAປະຕິບັດຄໍາແນະນໍາທີ່ຖືກເຂົ້າລະຫັດໃນ DNA ທີ່ນໍາໄປສູ່ການສັງເຄາະທາດໂປຼຕີນໃນ ribosomes. ໃນຂະນະທີ່ຢາສ່ວນຫຼາຍແມ່ນມຸ້ງໃສ່ໂປຣຕີນທີ່ຮັບຜິດຊອບຕໍ່ພະຍາດ, ບາງຄັ້ງມັນບໍ່ພຽງພໍທີ່ຈະສະກັດກັ້ນຂະບວນການຂອງເຊື້ອພະຍາດ. ມັນເບິ່ງຄືວ່າເປັນຍຸດທະສາດທີ່ສະຫຼາດທີ່ຈະເລີ່ມຕົ້ນໃນຂະບວນການກ່ອນຫນ້າແລະມີອິດທິພົນ RNA ກ່ອນທີ່ທາດໂປຼຕີນຈະຖືກສັງເຄາະ, ດັ່ງນັ້ນຈຶ່ງມີອິດທິພົນຢ່າງຫຼວງຫຼາຍຕໍ່ຂະບວນການແປຂອງ genotype ກັບ phenotype ທີ່ບໍ່ຕ້ອງການ (ການສະແດງອອກຂອງພະຍາດ).
ບັນຫາແມ່ນ, RNAs ແມ່ນເປົ້າຫມາຍທີ່ຂີ້ຮ້າຍທີ່ມີຊື່ສຽງສໍາລັບໂມເລກຸນຂະຫນາດນ້ອຍ - ພວກມັນເປັນເສັ້ນ, ແຕ່ສາມາດບິດ, ພັບ, ຫຼືຕິດກັບຕົວມັນເອງໄດ້ບໍ່ດີ, ປ່ອຍເງິນກູ້ຮູບຮ່າງຂອງມັນໃຫ້ກັບຖົງຜູກທີ່ເຫມາະສົມກັບຢາ. ນອກຈາກນັ້ນ, ກົງກັນຂ້າມກັບທາດໂປຼຕີນ, ພວກມັນປະກອບດ້ວຍພຽງແຕ່ສີ່ຕົວກໍ່ສ້າງ nucleotide ເຮັດໃຫ້ພວກມັນເບິ່ງຄ້າຍຄືກັນຫຼາຍແລະມີຄວາມຫຍຸ້ງຍາກສໍາລັບການເລືອກເປົ້າຫມາຍໂດຍໂມເລກຸນຂະຫນາດນ້ອຍ.
ແນວໃດກໍ່ຕາມ,ຄວາມກ້າວຫນ້າທີ່ຜ່ານມາຈໍານວນຫນຶ່ງແນະນໍາວ່າຕົວຈິງແລ້ວມັນເປັນໄປໄດ້ທີ່ຈະພັດທະນາໂມເລກຸນຂະຫນາດນ້ອຍທີ່ມີການເຄື່ອນໄຫວທາງຊີວະພາບທີ່ຄ້າຍຄືກັບຢາເສບຕິດ, ເຊິ່ງເປົ້າຫມາຍ RNA. ຄວາມເຂົ້າໃຈທາງວິທະຍາສາດ Novell ໄດ້ກະຕຸ້ນໃຫ້ເກີດການເລັ່ງທອງສໍາລັບ RNA -ຢ່າງໜ້ອຍນຶ່ງສິບບໍລິສັດມີໂຄງການທີ່ອຸທິດຕົນເພື່ອມັນ, ລວມທັງຮ້ານຂາຍຢາຂະຫນາດໃຫຍ່ (Biogen, Merck, Novartis, ແລະ Pfizer), ແລະ startups biotech ເຊັ່ນ Arrakis Therapeutics ກັບ a$38M ຊຸດ A ຮອບໃນປີ 2017, ແລະການຂະຫຍາຍການປິ່ນປົວ -$55M Series A ໃນຕົ້ນປີ 2018.
4. ການຄົ້ນພົບຢາຕ້ານເຊື້ອໃໝ່
ມີຄວາມວິຕົກກັງວົນເພີ່ມຂຶ້ນກ່ຽວກັບການເພີ່ມຂຶ້ນຂອງເຊື້ອແບັກທີເຣັຍທີ່ທົນທານຕໍ່ຢາຕ້ານເຊື້ອ - superbug. ພວກເຂົາຮັບຜິດຊອບຕໍ່ການເສຍຊີວິດປະມານ 700,000 ຄົນໃນທົ່ວໂລກໃນແຕ່ລະປີ, ແລະອີງຕາມການທົບທວນຂອງລັດຖະບານອັງກິດ, ຕົວເລກນີ້ສາມາດເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ - ເຖິງ 10 ລ້ານຄົນໃນປີ 2050. ເຊື້ອແບັກທີເຣັຍພັດທະນາແລະພັດທະນາການຕໍ່ຕ້ານກັບຢາຕ້ານເຊື້ອທີ່ຖືກນໍາໃຊ້ແບບດັ້ງເດີມປະສົບຜົນສໍາເລັດຢ່າງຫຼວງຫຼາຍ, ແລະຫຼັງຈາກນັ້ນກາຍເປັນ. ບໍ່ມີປະໂຫຍດກັບເວລາ.
ການສັ່ງຢາທີ່ບໍ່ມີຄວາມຮັບຜິດຊອບຂອງຢາຕ້ານເຊື້ອເພື່ອປິ່ນປົວກໍລະນີທີ່ງ່າຍດາຍໃນຄົນເຈັບແລະການນໍາໃຊ້ຢາຕ້ານເຊື້ອຢ່າງແຜ່ຫຼາຍໃນການລ້ຽງສັດເຮັດໃຫ້ສະຖານະການອັນຕະລາຍໂດຍການເລັ່ງອັດຕາການກາຍພັນຂອງເຊື້ອແບັກທີເຣັຍ, ເຮັດໃຫ້ມັນທົນທານຕໍ່ຢາທີ່ມີຄວາມໄວທີ່ຫນ້າຕົກໃຈ.
ໃນທາງກົງກັນຂ້າມ, ການຄົ້ນພົບຢາຕ້ານເຊື້ອໄດ້ເປັນພື້ນທີ່ທີ່ບໍ່ຫນ້າສົນໃຈສໍາລັບການຄົ້ນຄວ້າທາງດ້ານການຢາ, ເມື່ອທຽບກັບການພັດທະນາຢາ 'ທີ່ເປັນໄປໄດ້ທາງເສດຖະກິດ' ຫຼາຍ. ມັນອາດຈະເປັນເຫດຜົນສໍາຄັນທີ່ຢູ່ເບື້ອງຫລັງການແຫ້ງແລ້ງຂອງທໍ່ຂອງຫ້ອງຮຽນຢາຕ້ານເຊື້ອແບບໃຫມ່, ໂດຍອັນສຸດທ້າຍໄດ້ນໍາສະເຫນີຫຼາຍກວ່າສາມສິບປີກ່ອນ.
ໃນປັດຈຸບັນການຄົ້ນພົບຢາຕ້ານເຊື້ອກໍາລັງກາຍເປັນພື້ນທີ່ທີ່ຫນ້າສົນໃຈຫຼາຍຍ້ອນການປ່ຽນແປງທີ່ມີປະໂຫຍດບາງຢ່າງໃນນິຕິບັນຍັດກົດລະບຽບ, ການກະຕຸ້ນ pharma ທີ່ຈະເອົາເງິນເຂົ້າໄປໃນໂຄງການຄົ້ນພົບຢາຕ້ານເຊື້ອ, ແລະນັກລົງທຶນລົງທຶນ - ເຂົ້າໄປໃນບໍລິສັດ biotech startups ພັດທະນາຢາຕ້ານເຊື້ອທີ່ມີທ່າແຮງ. ໃນປີ 2016, ຫນຶ່ງໃນພວກເຮົາ (AB)ທົບທວນສະພາບຂອງການຄົ້ນພົບຢາຕ້ານເຊື້ອແລະໄດ້ສະຫຼຸບບາງການເລີ່ມຕົ້ນທີ່ໂດດເດັ່ນໃນຊ່ອງ, ລວມທັງ Macrolide Pharmaceuticals, Iterum Therapeutics, Spero Therapeutics, Cidara Therapeutics, ແລະ Entasis Therapeutics.
ໂດຍສະເພາະແມ່ນ, ຫນຶ່ງໃນຄວາມກ້າວຫນ້າທີ່ຜ່ານມາທີ່ຫນ້າຕື່ນເຕັ້ນຫຼາຍໃນຊ່ອງຢາຕ້ານເຊື້ອແມ່ນການຄົ້ນພົບຂອງ Teixobactinແລະການປຽບທຽບຂອງມັນໃນປີ 2015 ໂດຍກຸ່ມນັກວິທະຍາສາດທີ່ນໍາພາໂດຍທ່ານດຣ Kim Lewis, ຜູ້ອໍານວຍການສູນ Antimicrobial Discovery ທີ່ມະຫາວິທະຍາໄລ Northeastern. ເຊື້ອແບັກທີເຣັຍຊະນິດໃໝ່ທີ່ມີປະສິດທິພາບນີ້ເຊື່ອວ່າສາມາດຕ້ານທານກັບການພັດທະນາຂອງເຊື້ອແບັກທີເຣັຍຕໍ່ຕ້ານມັນ. ໃນປີກາຍນີ້, ນັກຄົ້ນຄວ້າຈາກມະຫາວິທະຍາໄລ Lincoln ປະສົບຜົນສໍາເລັດໃນການພັດທະນາແບບສັງເຄາະຂອງ teixobactin, ເຮັດໃຫ້ບາດກ້າວທີ່ສໍາຄັນຕໍ່ຫນ້າ.
ໃນປັດຈຸບັນ, ນັກຄົ້ນຄວ້າຈາກສະຖາບັນຄົ້ນຄວ້າຕາຂອງສິງກະໂປໄດ້ສະແດງໃຫ້ເຫັນສະບັບສັງເຄາະຂອງຢາສາມາດປິ່ນປົວ Staphylococcus aureus keratitis ໃນຕົວແບບຫນູທີ່ມີຊີວິດຢູ່; ກ່ອນກິດຈະກໍາຂອງ teixobactin ໄດ້ຖືກສະແດງໃຫ້ເຫັນພຽງແຕ່ໃນ vitro. ດ້ວຍການຄົ້ນພົບໃຫມ່ເຫຼົ່ານີ້, teixobactin ຈະຕ້ອງໃຊ້ເວລາອີກ 6-10 ປີຂອງການພັດທະນາເພື່ອກາຍເປັນຢາທີ່ແພດສາມາດນໍາໃຊ້ໄດ້.
ນັບຕັ້ງແຕ່ການຄົ້ນພົບ teixobactin ໃນປີ 2015, ຄອບຄົວໃຫມ່ຂອງຢາຕ້ານເຊື້ອທີ່ເອີ້ນວ່າ malacidins ແມ່ນເປີດເຜີຍໃນຕົ້ນປີ 2018. ການຄົ້ນພົບນີ້ຍັງຢູ່ໃນຂັ້ນຕອນຕົ້ນ, ແລະບໍ່ໄດ້ພັດທະນາເກືອບເທົ່າກັບການຄົ້ນຄວ້າຫລ້າສຸດກ່ຽວກັບ teixobactin
5. ການກວດກາ Phenotypic
ເຄຣດິດຮູບພາບ:SciLifeLab
ໃນປີ 2011 ຜູ້ຂຽນ David Swinney ແລະ Jason Anthonyເຜີຍແຜ່ຜົນການຄົ້ນພົບຂອງພວກເຂົາກ່ຽວກັບວິທີການຢາໃຫມ່ໄດ້ຖືກຄົ້ນພົບໃນລະຫວ່າງປີ 1999 ແລະ 2008 ເປີດເຜີຍຄວາມຈິງທີ່ວ່າຢາທີ່ມີໂມເລກຸນຂະຫນາດນ້ອຍໃນຊັ້ນທໍາອິດຢ່າງຫຼວງຫຼາຍໄດ້ຖືກຄົ້ນພົບໂດຍໃຊ້ການກວດສອບ phenotypic ຫຼາຍກວ່າວິທີການທີ່ອີງໃສ່ເປົ້າຫມາຍ (28 ຢາທີ່ໄດ້ຮັບການອະນຸມັດທຽບກັບ 17, ຕາມລໍາດັບ) - ແລະ ມັນມີຄວາມໂດດເດັ່ນຍິ່ງຂຶ້ນໂດຍຄໍານຶງເຖິງວ່າມັນແມ່ນວິທີການທີ່ອີງໃສ່ເປົ້າຫມາຍທີ່ເປັນຈຸດສຸມທີ່ສໍາຄັນໃນໄລຍະເວລາທີ່ໄດ້ກ່າວມາ.
ການວິເຄາະທີ່ມີອິດທິພົນນີ້ເຮັດໃຫ້ເກີດການຟື້ນຕົວຂອງຂະບວນການຄົ້ນພົບຢາ phenotypic ຕັ້ງແຕ່ປີ 2011 - ທັງໃນອຸດສາຫະກໍາຢາແລະໃນວິຊາການ. ບໍ່ດົນມານີ້, ນັກວິທະຍາສາດຢູ່ Novartisໄດ້ດໍາເນີນການທົບທວນສະຖານະການໃນປະຈຸບັນຂອງແນວໂນ້ມນີ້ແລະໄດ້ສະຫຼຸບວ່າ, ໃນຂະນະທີ່ອົງການຈັດຕັ້ງການຄົ້ນຄວ້າຢາໄດ້ພົບກັບສິ່ງທ້າທາຍຢ່າງຫຼວງຫຼາຍກັບວິທີການ phenotypic, ມີຈໍານວນຫນ້າຈໍທີ່ອີງໃສ່ເປົ້າຫມາຍທີ່ຫຼຸດລົງແລະການເພີ່ມຂຶ້ນຂອງວິທີການ phenotypic ໃນ 5 ປີທີ່ຜ່ານມາ. ສ່ວນຫຼາຍອາດຈະ, ແນວໂນ້ມນີ້ຈະສືບຕໍ່ໄປໄກກວ່າປີ 2018.
ສິ່ງສໍາຄັນ, ນອກເຫນືອຈາກພຽງແຕ່ການປຽບທຽບ phenotypic ແລະວິທີການທີ່ອີງໃສ່ເປົ້າຫມາຍ, ມີທ່າອ່ຽງທີ່ຊັດເຈນຕໍ່ກັບການວິເຄາະຈຸລັງທີ່ສັບສົນຫຼາຍ, ເຊັ່ນ: ການໄປຈາກເສັ້ນຈຸລັງອະມະຕະໄປຫາຈຸລັງຕົ້ນຕໍ, ຈຸລັງຄົນເຈັບ, ວັດທະນະທໍາຮ່ວມ, ແລະວັດທະນະທໍາ 3D. ການຕິດຕັ້ງແບບທົດລອງຍັງກາຍເປັນຄວາມຊັບຊ້ອນຫຼາຍຂຶ້ນ, ໄປໄກກວ່າການອ່ານແບບບໍ່ປ່ຽນແປງໄປສູ່ການສັງເກດການປ່ຽນແປງໃນຊ່ອງຍ່ອຍຍ່ອຍ, ການວິເຄາະເຊນດຽວ ແລະແມ້ກະທັ້ງການຖ່າຍຮູບເຊນ.
6. ອະໄວຍະວະ (ຮ່າງກາຍ)-on-a-chip
ໄມໂຄຣຊິບທີ່ວາງສາຍດ້ວຍຈຸລັງມະນຸດທີ່ມີຊີວິດຢູ່ສາມາດປະຕິວັດການພັດທະນາຢາ, ການສ້າງແບບຈໍາລອງພະຍາດ ແລະຢາທີ່ເປັນສ່ວນບຸກຄົນ. ໄມໂຄຊິບເຫຼົ່ານີ້, ເອີ້ນວ່າ 'organs-on-chips', ສະເຫນີທາງເລືອກທີ່ມີທ່າແຮງສໍາລັບການທົດສອບສັດພື້ນເມືອງ. ໃນທີ່ສຸດ, ການເຊື່ອມຕໍ່ລະບົບທັງຫມົດແມ່ນວິທີການທີ່ມີລະບົບ "body-on-a-chip" ທັງຫມົດທີ່ເຫມາະສົມສໍາລັບການຄົ້ນພົບຢາເສບຕິດແລະການທົດສອບແລະການກວດສອບຜູ້ສະຫມັກຢາເສບຕິດ.
ປະຈຸບັນນີ້ທ່າອ່ຽງນີ້ເປັນເລື່ອງໃຫຍ່ໃນການຄົ້ນພົບ ແລະ ພັດທະນາຢາເສບຕິດ ແລະພວກເຮົາໄດ້ກວມເອົາສະຖານະ ແລະ ສະພາບການໃນປະຈຸບັນຂອງຂະບວນການ “ອະໄວຍະວະ-on-a-chip” ແລ້ວ.ການທົບທວນຄືນຂະຫນາດນ້ອຍ.
ໃນຂະນະທີ່ຄວາມບໍ່ຄ່ອຍເຊື່ອງ່າຍໆມີຢູ່ປະມານ 6-7 ປີກ່ອນຫນ້ານີ້, ເມື່ອທັດສະນະກ່ຽວກັບພາກສະຫນາມໄດ້ຖືກສະແດງໂດຍຜູ້ລ້ຽງທີ່ມີຄວາມກະຕືລືລົ້ນ. ໃນມື້ນີ້, ແນວໃດກໍ່ຕາມ, ການວິພາກວິຈານເບິ່ງຄືວ່າຢູ່ໃນ retreat ຢ່າງເຕັມທີ່. ບໍ່ພຽງແຕ່ມີອົງການຈັດຕັ້ງລະບຽບການແລະເງິນທຶນໄດ້ຮັບເອົາແນວຄວາມຄິດ, ແຕ່ໃນປັດຈຸບັນມັນແມ່ນເພີ່ມຂຶ້ນຮັບຮອງເອົາເປັນເວທີການຄົ້ນຄວ້າຢາໂດຍທັງຮ້ານຂາຍຢາ ແລະນັກວິຊາການ. ລະບົບອະໄວຍະວະຫຼາຍກວ່າສອງອາຍແກັສແມ່ນເປັນຕົວແທນຢູ່ໃນລະບົບຊິບ. ອ່ານເພີ່ມເຕີມກ່ຽວກັບມັນທີ່ນີ້.
7. ການພິມຊີວະພາບ
ພື້ນທີ່ຂອງ bioprinting ເນື້ອເຍື່ອແລະອະໄວຍະວະຂອງມະນຸດແມ່ນການພັດທະນາຢ່າງໄວວາແລະມັນແມ່ນ, ບໍ່ຕ້ອງສົງໃສ, ໃນອະນາຄົດຂອງຢາປົວພະຍາດ. ສ້າງຕັ້ງຂຶ້ນໃນຕົ້ນປີ 2016,ເຊລລິ້ງແມ່ນໜຶ່ງໃນບໍລິສັດທຳອິດໃນໂລກທີ່ສະເໜີໃຫ້ພິມ bioink 3 ມິຕິ ເຊິ່ງເປັນຂອງແຫຼວທີ່ຊ່ວຍໃຫ້ຊີວິດ ແລະ ການຈະເລີນເຕີບໂຕຂອງຈຸລັງມະນຸດ. ໃນປັດຈຸບັນບໍລິສັດ bioprints ພາກສ່ວນຂອງຮ່າງກາຍ - ດັງແລະຫູ, ຕົ້ນຕໍແມ່ນສໍາລັບການທົດສອບຢາແລະເຄື່ອງສໍາອາງ. ມັນຍັງພິມ cubes ເຮັດໃຫ້ນັກຄົ້ນຄວ້າສາມາດ "ຫຼິ້ນ" ກັບຈຸລັງຈາກອະໄວຍະວະຂອງມະນຸດເຊັ່ນ: ຕັບ.
ບໍ່ດົນມານີ້ Cellink ໄດ້ຮ່ວມມືກັບ CTI Biotech, ບໍລິສັດ medtech ຂອງຝຣັ່ງທີ່ມີຄວາມຊ່ຽວຊານໃນການຜະລິດເນື້ອເຍື່ອມະເຮັງ, ເພື່ອກ້າວໄປສູ່ການຄົ້ນຄ້ວາມະເຮັງແລະການຄົ້ນພົບຢາຢ່າງຫຼວງຫຼາຍ.
ການເລີ່ມຕົ້ນເຕັກໂນໂລຢີຊີວະພາບໄວຫນຸ່ມຈະຊ່ວຍ CTI ເພື່ອເຮັດການຈໍາລອງການພິມ 3D ຂອງເນື້ອງອກມະເຮັງ, ໂດຍການປະສົມ bioink ຂອງ Cellink ກັບຕົວຢ່າງຂອງຈຸລັງມະເຮັງຂອງຄົນເຈັບ. ນີ້ຈະຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າໃນການກໍານົດການປິ່ນປົວໃຫມ່ຕໍ່ກັບປະເພດມະເຮັງສະເພາະ.
ການເລີ່ມຕົ້ນເຕັກໂນໂລຢີຊີວະພາບອີກອັນ ໜຶ່ງ ທີ່ພັດທະນາເຕັກໂນໂລຢີການພິມ 3 ມິຕິ ສຳ ລັບການພິມວັດສະດຸຊີວະພາບ - ບໍລິສັດສະໝູນໄພຂອງມະຫາວິທະຍາໄລ Oxford, OxSyBio, ເຊິ່ງພຽງແຕ່ຮັບປະກັນ £10mໃນ Series A ການເງິນ.
ໃນຂະນະທີ່ການພິມຊີວະພາບ 3D ເປັນເທກໂນໂລຍີທີ່ເປັນປະໂຫຍດທີ່ສຸດ, ມັນຄົງທີ່ແລະບໍ່ມີຊີວິດເພາະວ່າມັນພິຈາລະນາພຽງແຕ່ສະພາບເບື້ອງຕົ້ນຂອງວັດຖຸທີ່ພິມ. ວິທີການທີ່ກ້າວຫນ້າກວ່າແມ່ນການລວມເອົາ "ເວລາ" ເປັນມິຕິທີສີ່ໃນວັດຖຸຊີວະພາບທີ່ພິມອອກ (ເອີ້ນວ່າ "ການພິມຊີວະພາບ 4D"), ເຮັດໃຫ້ມັນສາມາດປ່ຽນຮູບຮ່າງຫຼືຫນ້າທີ່ຂອງເຂົາເຈົ້າກັບເວລາທີ່ມີການກະຕຸ້ນຈາກພາຍນອກ.ທີ່ນີ້ເປັນການທົບທວນທີ່ເລິກເຊິ່ງກ່ຽວກັບການພິມຊີວະພາບ 4D.
ທັດສະນະປິດ
ເຖິງແມ່ນວ່າບໍ່ມີການລົງເລິກເຂົ້າໄປໃນແຕ່ລະແນວໂນ້ມດ້ານເທິງທີ່ພຽງແຕ່ອະທິບາຍ, ມັນຄວນຈະເຫັນໄດ້ຊັດເຈນວ່າ AI ຈະມີສ່ວນຮ່ວມໃນການປະຕິບັດທີ່ເພີ່ມຂຶ້ນເລື້ອຍໆ. ພື້ນທີ່ໃຫມ່ທັງຫມົດຂອງການປະດິດສ້າງ biopharma ໄດ້ກາຍເປັນສູນກາງຂໍ້ມູນໃຫຍ່. ສະຖານະການນີ້ຢູ່ໃນຕົວຂອງມັນເອງ presages ພາລະບົດບາດທີ່ມີຊື່ສຽງສໍາລັບ AI, ໃຫ້ສັງເກດວ່າເປັນ postscript ກັບການຄຸ້ມຄອງຂອງຫົວຂໍ້ນີ້, ວ່າ AI ປະກອບດ້ວຍເຄື່ອງມືຫຼາຍ, ການວິເຄາະແລະຕົວເລກທີ່ດໍາເນີນການຢ່າງຕໍ່ເນື່ອງ evolution. ຄໍາຮ້ອງສະຫມັກຂອງ AI ໃນການຄົ້ນພົບຢາເສບຕິດແລະການພັດທະນາໃນໄລຍະຕົ້ນແມ່ນສໍາລັບພາກສ່ວນສ່ວນໃຫຍ່ເປົ້າຫມາຍໃນການເປີດເຜີຍຮູບແບບທີ່ເຊື່ອງໄວ້ແລະການ inferences ເຊື່ອມຕໍ່ສາເຫດແລະຜົນກະທົບຖ້າບໍ່ດັ່ງນັ້ນບໍ່ສາມາດກໍານົດຫຼືເຂົ້າໃຈໄດ້.
ດັ່ງນັ້ນ, ຊຸດຍ່ອຍຂອງເຄື່ອງມື AI ທີ່ໃຊ້ໃນການຄົ້ນຄວ້າດ້ານການຢາຫຼຸດລົງຕາມຄວາມເຫມາະສົມຫຼາຍພາຍໃຕ້ຫົວຂໍ້ຂອງ "ຄວາມສະຫລາດຂອງເຄື່ອງຈັກ" ຫຼື "ການຮຽນຮູ້ເຄື່ອງຈັກ". ເຫຼົ່ານີ້ສາມາດຖືກເບິ່ງແຍງທັງສອງຢ່າງໂດຍການຊີ້ນໍາຂອງມະນຸດ, ຄືກັບການຈັດປະເພດແລະວິທີການຮຽນຮູ້ສະຖິຕິ, ຫຼືບໍ່ມີການເບິ່ງແຍງໃນການເຮັດວຽກພາຍໃນຂອງພວກເຂົາເຊັ່ນດຽວກັນກັບການປະຕິບັດປະເພດຂອງເຄືອຂ່າຍ neural ປອມ. ພາສາແລະການປຸງແຕ່ງ semantic ແລະວິທີການທີ່ເປັນໄປໄດ້ສໍາລັບການສົມເຫດສົມຜົນທີ່ບໍ່ແນ່ນອນ (ຫຼື fuzzy) ຍັງມີບົດບາດທີ່ເປັນປະໂຫຍດ.
ຄວາມເຂົ້າໃຈກ່ຽວກັບວິທີການປະຕິບັດຫນ້າທີ່ແຕກຕ່າງກັນເຫຼົ່ານີ້ສາມາດຖືກລວມເຂົ້າໃນລະບຽບວິໄນຢ່າງກວ້າງຂວາງຂອງ "AI" ແມ່ນວຽກງານທີ່ຫນ້າຢ້ານກົວທີ່ທຸກພາກສ່ວນມີຄວາມສົນໃຈຄວນປະຕິບັດ. ຫນຶ່ງໃນສະຖານທີ່ທີ່ດີທີ່ສຸດເພື່ອຊອກຫາຄໍາອະທິບາຍແລະການຊີ້ແຈງແມ່ນສູນກາງວິທະຍາສາດຂໍ້ມູນປະຕູແລະໂດຍສະເພາະແມ່ນຂໍ້ຄວາມ blog ໂດຍ Vincent Granville, ຜູ້ທີ່ເປັນປົກກະຕິອະທິບາຍຄວາມແຕກຕ່າງລະຫວ່າງ AI, ເຄື່ອງຈັກ leaning, ການຮຽນຮູ້ເລິກ, ແລະສະຖິຕິ. ການກາຍມາເປັນການປ່ຽນໃຈເຫລື້ອມໃສໃນພາຍໃນແລະພາຍນອກຂອງ AI ໂດຍລວມແມ່ນອົງປະກອບທີ່ຂາດບໍ່ໄດ້ຂອງການຮັກສາໄວຫຼືລ່ວງຫນ້າຂອງແນວໂນ້ມ biopharma.
ເວລາປະກາດ: 29-05-2018