आव्हानात्मक आर्थिक आणि तांत्रिक वातावरणात स्पर्धा करण्यासाठी सतत वाढत्या दबावाखाली असल्याने, फार्मास्युटिकल आणि बायोटेक कंपन्यांनी खेळाच्या पुढे राहण्यासाठी त्यांच्या R&D कार्यक्रमांमध्ये सतत नवनवीन संशोधन केले पाहिजे.
बाह्य नवकल्पना वेगवेगळ्या स्वरूपात येतात आणि वेगवेगळ्या ठिकाणी उगम पावतात — विद्यापीठाच्या प्रयोगशाळेपासून, खाजगीरित्या आयोजित उद्यम भांडवल-बॅक्ड स्टार्टअप्स आणि कॉन्ट्रॅक्ट रिसर्च ऑर्गनायझेशन्स (CROs). चला काही सर्वात प्रभावशाली संशोधन ट्रेंडचे पुनरावलोकन करू या जे 2018 आणि त्यापुढील काळात "हॉट" असतील आणि नवकल्पना चालवणाऱ्या काही प्रमुख खेळाडूंचा सारांश घेऊ.
गेल्या वर्षी BioPharmaTrend सारांशितअनेक महत्त्वाचे ट्रेंडबायोफार्मास्युटिकल उद्योगावर परिणाम करणारे, म्हणजे: जनुक संपादन तंत्रज्ञानाच्या विविध पैलूंची प्रगती (प्रामुख्याने, CRISPR/Cas9); इम्युनो-ऑन्कोलॉजी (CAR-T पेशी) क्षेत्रात आकर्षक वाढ; मायक्रोबायोम संशोधनावर वाढता लक्ष; तंतोतंत औषधांमध्ये अधिकाधिक रस; प्रतिजैविकांच्या शोधात काही महत्त्वाची प्रगती; औषध शोध/विकासासाठी कृत्रिम बुद्धिमत्ता (AI) बद्दल वाढता उत्साह; वैद्यकीय गांजाच्या क्षेत्रात एक विवादास्पद परंतु जलद वाढ; आणि नाविन्यपूर्ण आणि कौशल्यांमध्ये प्रवेश करण्यासाठी R&D आउटसोर्सिंग मॉडेल्समध्ये व्यस्त राहण्यावर फार्माचे सतत लक्ष.
खाली सूचीमध्ये जोडलेल्या संशोधनाच्या अनेक सक्रिय क्षेत्रांसह, आणि वर वर्णन केलेल्या ट्रेंडवरील काही विस्तारित भाष्यांसह या पुनरावलोकनाचा सातत्य आहे — जेथे संबंधित आहे.
1. फार्मा आणि बायोटेक द्वारे कृत्रिम बुद्धिमत्ता (AI) चा अवलंब
आजकाल AI च्या सभोवतालच्या सर्व प्रचारामुळे, फार्मास्युटिकल संशोधनातील या ट्रेंडमुळे कोणालाही आश्चर्यचकित करणे कठीण आहे. तथापि, हे लक्षात घेतले पाहिजे की एआय-चालित कंपन्या खरोखरच मोठ्या फार्मा आणि इतर आघाडीच्या जीवन विज्ञान खेळाडूंसह, भरपूर संशोधन भागीदारी आणि सहयोगी कार्यक्रमांसह ट्रॅक्शन मिळवू लागतात –येथेआतापर्यंतच्या प्रमुख सौद्यांची यादी आहे, आणियेथेगेल्या अनेक महिन्यांतील “एआय फॉर ड्रग डिस्कवरी” मधील काही उल्लेखनीय क्रियाकलापांचे संक्षिप्त पुनरावलोकन आहे.
AI-आधारित साधनांची क्षमता आता औषध शोध आणि विकासाच्या सर्व टप्प्यांवर शोधली जाते - संशोधन डेटा खनन आणि लक्ष्य ओळख आणि प्रमाणीकरणात मदत करणे, नवीन लीड कंपाऊंड्स आणि औषध उमेदवारांना मदत करणे आणि त्यांचे गुणधर्म आणि जोखमींचा अंदाज लावणे. आणि शेवटी, एआय-आधारित सॉफ्टवेअर आता रसयुक्त संयुगे मिळविण्यासाठी रासायनिक संश्लेषणाचे नियोजन करण्यात मदत करण्यास सक्षम आहे. AI प्री-क्लिनिकल आणि क्लिनिकल चाचण्यांचे नियोजन आणि बायोमेडिकल आणि क्लिनिकल डेटाचे विश्लेषण करण्यासाठी देखील लागू केले जाते.
लक्ष्य-आधारित औषध शोधाच्या पलीकडे, एआय इतर संशोधन क्षेत्रांमध्ये लागू केले जाते, उदाहरणार्थ, फिनोटाइपिक औषध शोध कार्यक्रमांमध्ये - उच्च सामग्री स्क्रीनिंग पद्धतींमधून डेटाचे विश्लेषण करणे.
लहान रेणू औषध शोधावर AI-चालित स्टार्टअप्सचा मुख्य फोकस, जीवशास्त्र शोध आणि विकासासाठी अशा तंत्रज्ञानाचा वापर करण्यात देखील रस आहे.
2. औषधांच्या शोधासाठी रासायनिक जागेचा विस्तार करणे
कोणत्याही लहान रेणू औषध शोध कार्यक्रमाचा एक महत्त्वाचा भाग म्हणजे हिट एक्सप्लोरेशन — त्या प्रारंभिक बिंदूच्या रेणूंची ओळख जे यशस्वी औषधांच्या दिशेने प्रवास सुरू करतील (जरी क्वचितच ते या प्रवासात टिकून राहतील) — असंख्य ऑप्टिमायझेशन, प्रमाणीकरण आणि चाचणी टप्प्यांद्वारे.
हिट एक्सप्लोरेशनचा मुख्य घटक म्हणजे औषधाच्या विस्तारित आणि रासायनिकदृष्ट्या वैविध्यपूर्ण जागेत प्रवेश करणे जसे की रेणूंमधून उमेदवार निवडण्यासाठी, विशेषत: कादंबरी लक्ष्य जीवशास्त्राची तपासणी करण्यासाठी. ज्ञात जैविक लक्ष्यांना लक्ष्य करणाऱ्या लहान रेणूंच्या डिझाईन्सच्या आधारे फार्माच्या हाती विद्यमान कंपाऊंड कलेक्शन अंशतः तयार केले गेले आहे हे लक्षात घेता, नवीन जैविक लक्ष्यांना नवीन रचना आणि नवीन कल्पनांची आवश्यकता आहे, त्याऐवजी त्याच रसायनशास्त्राचा जास्त प्रमाणात पुनर्वापर करणे.
या गरजेनुसार, शैक्षणिक प्रयोगशाळा आणि खाजगी कंपन्या ठराविक फार्मास्युटिकल कंपनीच्या कंपाऊंड कलेक्शनमध्ये उपलब्ध असलेल्या रासायनिक संयुगांचे डेटाबेस तयार करतात. उदाहरणांमध्ये 166,4 अब्ज रेणू असलेल्या आभासी रेणूंचा GDB-17 डेटाबेस आणिFDB-1717 जड अणूंसह 10 दशलक्ष तुकड्यांसारखे रेणू;ZINK– व्हर्च्युअल स्क्रीनिंगसाठी व्यावसायिकदृष्ट्या-उपलब्ध संयुगांचा एक विनामूल्य डेटाबेस, ज्यामध्ये 750 दशलक्ष रेणू आहेत, ज्यात डॉकिंगसाठी तयार असलेल्या 3D स्वरूपातील 230 दशलक्ष समाविष्ट आहेत; आणि एनामाइनद्वारे कृत्रिमरित्या सुलभ सहज उपलब्ध (वास्तविक) रासायनिक जागेचा अलीकडील विकास - द्वारे शोधण्यायोग्य 650 दशलक्ष रेणूरिअल स्पेस नेव्हिगेटरसॉफ्टवेअर, आणि337 दशलक्ष रेणू शोधण्यायोग्य(समानतेनुसार) EnamineStore येथे.
हिट एक्सप्लोरेशनसाठी नवीन औषध-सदृश रासायनिक जागेत प्रवेश करण्याचा पर्यायी दृष्टीकोन म्हणजे DNA-एनकोडेड लायब्ररी तंत्रज्ञान (DELT) वापरणे. DELT संश्लेषणाच्या "स्प्लिट-अँड-पूल" स्वरूपामुळे, खर्च- आणि वेळ-कार्यक्षम पद्धतीने (लाखो ते अब्जावधी संयुगे) मोठ्या प्रमाणात संयुगे तयार करणे शक्य होते.येथेऐतिहासिक पार्श्वभूमी, संकल्पना, यश, मर्यादा आणि DNA-एनकोडेड लायब्ररी तंत्रज्ञानाचे भविष्य यावर एक अभ्यासपूर्ण अहवाल आहे.
3. लहान रेणूंसह आरएनए लक्ष्य करणे
औषध शोधण्याच्या जागेत सतत वाढणाऱ्या उत्साहासह हा एक लोकप्रिय ट्रेंड आहे: शैक्षणिक, बायोटेक स्टार्टअप आणि फार्मास्युटिकल कंपन्या RNA लक्ष्यीकरणाबाबत वाढत्या प्रमाणात सक्रिय आहेत, जरी अनिश्चितता देखील जास्त आहे.
सजीवांमध्ये,डीएनएसाठी माहिती साठवतेप्रथिनेसंश्लेषण आणिआरएनएDNA मध्ये एन्कोड केलेल्या सूचनांचे पालन करते ज्यामुळे राइबोसोममध्ये प्रथिने संश्लेषण होते. बहुतेक औषधे रोगासाठी जबाबदार असलेल्या प्रथिनांना लक्ष्य करण्यासाठी निर्देशित केली जातात, परंतु काहीवेळा ते रोगजनक प्रक्रियांना दडपण्यासाठी पुरेसे नसते. प्रथिने संश्लेषित होण्याआधीच प्रक्रिया सुरू करणे आणि आरएनएवर प्रभाव टाकणे ही एक स्मार्ट रणनीती असल्यासारखे दिसते, म्हणून जीनोटाइपच्या अवांछित फेनोटाइपमध्ये (रोग प्रकटीकरण) भाषांतर प्रक्रियेवर लक्षणीय परिणाम होतो.
समस्या अशी आहे की, RNAs हे लहान रेणूंसाठी कुप्रसिद्धपणे भयंकर लक्ष्य आहेत — ते रेखीय आहेत, परंतु अनाठायीपणे वळणे, दुमडणे किंवा स्वतःला चिकटून ठेवण्यास सक्षम आहेत, औषधांसाठी योग्य बंधनकारक पॉकेट्समध्ये त्याचा आकार खराबपणे उधार देतात. याशिवाय, प्रथिनांच्या विपरीत, ते फक्त चार न्यूक्लियोटाइड बिल्डिंग ब्लॉक्स बनवतात ज्यामुळे ते सर्व लहान रेणूंद्वारे निवडक लक्ष्यीकरणासाठी खूप समान आणि कठीण दिसतात.
तथापि,अलीकडील अनेक प्रगतीअसे सुचवितो की औषधासारखे, जैविक दृष्ट्या सक्रिय लहान रेणू विकसित करणे शक्य आहे जे RNA ला लक्ष्य करतात. कादंबरी वैज्ञानिक अंतर्दृष्टीने RNA साठी सोनेरी गर्दी केली -किमान डझनभर कंपन्यामोठ्या फार्मा (बायोजेन, मर्क, नोव्हार्टिस आणि फायझर) आणि बायोटेक स्टार्टअप्स जसे की अराकिस थेरप्युटिक्स यासह याला समर्पित कार्यक्रम आहेत$38M मालिका A फेरी2017 मध्ये, आणि विस्तार उपचारशास्त्र -2018 च्या सुरुवातीला $55M मालिका A.
4. नवीन प्रतिजैविक शोध
प्रतिजैविक-प्रतिरोधक बॅक्टेरिया - सुपरबग्सच्या वाढीबद्दल चिंता वाढत आहे. ते दरवर्षी जगभरात सुमारे 700,000 मृत्यूंना जबाबदार असतात आणि यूके सरकारच्या पुनरावलोकनानुसार ही संख्या नाटकीयरित्या वाढू शकते - 2050 पर्यंत 10 दशलक्ष पर्यंत. जीवाणू उत्क्रांत होतात आणि प्रतिजैविकांना प्रतिकार विकसित करतात जे पारंपारिकपणे मोठ्या यशाने वापरले जात होते आणि नंतर बनतात. वेळेसह निरुपयोगी.
रुग्णांमध्ये साध्या केसेसवर उपचार करण्यासाठी प्रतिजैविकांचे बेजबाबदार प्रिस्क्रिप्शन आणि पशुपालनामध्ये प्रतिजैविकांचा व्यापक वापर जिवाणू उत्परिवर्तनाचा वेग वाढवून परिस्थितीला धोक्यात आणते, ज्यामुळे ते भयानक वेगाने औषधांना प्रतिरोधक बनतात.
दुसरीकडे, अधिक 'आर्थिकदृष्ट्या व्यवहार्य' औषधे विकसित करण्याच्या तुलनेत अँटीबायोटिक्सचा शोध हे फार्मास्युटिकल संशोधनासाठी एक अप्रिय क्षेत्र आहे. नवीन प्रतिजैविक वर्गांची पाइपलाइन कोरडी होण्यामागील हे कदाचित मुख्य कारण आहे, शेवटची तीस वर्षांहून अधिक वर्षांपूर्वी सादर केली गेली होती.
आजकाल नियामक कायदेमंडळातील काही फायदेशीर बदलांमुळे, अँटीबायोटिक्स शोध कार्यक्रमांमध्ये पैसे ओतण्यासाठी फार्माला उत्तेजित करणे, आणि बायोटेक स्टार्टअप्समध्ये - आशादायक प्रतिजैविक औषधे विकसित करणाऱ्या बायोटेक स्टार्टअप्समध्ये गुंतवणूकदारांना प्रोत्साहन देणे यामुळे प्रतिजैविक शोध अधिक आकर्षक क्षेत्र बनत आहे. 2016 मध्ये, आमच्यापैकी एक (AB)प्रतिजैविक औषध शोध स्थितीचे पुनरावलोकन केलेआणि मॅक्रोलाइड फार्मास्युटिकल्स, इटेरम थेरप्युटिक्स, स्पेरो थेरप्युटिक्स, सिडारा थेरप्युटिक्स आणि एन्टासिस थेरप्युटिक्स यासह काही आशादायक स्टार्टअप्सचा सारांश दिला.
विशेष म्हणजे, प्रतिजैविकांच्या क्षेत्रातील सर्वात रोमांचक अलीकडील यशांपैकी एक आहेटेक्सोबॅक्टिनचा शोधआणि त्याचे ॲनालॉग्स 2015 मध्ये नॉर्थईस्टर्न युनिव्हर्सिटीच्या अँटीमाइक्रोबियल डिस्कव्हरी सेंटरचे संचालक डॉ. किम लुईस यांच्या नेतृत्वाखालील शास्त्रज्ञांच्या गटाने तयार केले. हे शक्तिशाली नवीन प्रतिजैविक वर्ग त्याच्या विरूद्ध बॅक्टेरियाच्या प्रतिकारशक्तीच्या विकासास तोंड देण्यास सक्षम असल्याचे मानले जाते. गेल्या वर्षी, लिंकन विद्यापीठातील संशोधकांनी यशस्वीरित्या टेक्सोबॅक्टिनची संश्लेषित आवृत्ती विकसित केली, एक महत्त्वपूर्ण पाऊल पुढे टाकले.
आता सिंगापूर आय रिसर्च इन्स्टिट्यूटच्या संशोधकांनी दर्शविले आहे की औषधाची कृत्रिम आवृत्ती थेट माऊस मॉडेलमध्ये स्टॅफिलोकोकस ऑरियस केरायटिस यशस्वीरित्या बरा करू शकते; टेक्सोबॅक्टिनची क्रिया केवळ विट्रोमध्ये दर्शविण्याआधी. या नवीन निष्कर्षांसह, डॉक्टर वापरू शकतील असे औषध बनण्यासाठी टेक्सोबॅक्टिनला आणखी 6-10 वर्षांच्या विकासाची आवश्यकता असेल.
2015 मध्ये टेक्सोबॅक्टिनचा शोध लागल्यापासून, मॅलासिडिन नावाच्या प्रतिजैविकांचे आणखी एक नवीन कुटुंब होते.2018 च्या सुरुवातीस उघड झाले. हा शोध अद्याप प्राथमिक अवस्थेत आहे आणि टेक्सोबॅक्टिनवरील नवीनतम संशोधनासारखा विकसित झालेला नाही.
5. फेनोटाइपिक स्क्रीनिंग
प्रतिमा क्रेडिट:सायलाइफ लॅब
2011 मध्ये लेखक डेव्हिड स्विनी आणि जेसन अँथनीत्यांच्या निष्कर्षांचे निकाल प्रकाशित केले1999 आणि 2008 दरम्यान नवीन औषधे कशी शोधली गेली याबद्दल हे सत्य उलगडून दाखवले की फर्स्ट-इन-क्लास लहान रेणू औषधे लक्ष्य-आधारित पध्दतींपेक्षा फिनोटाइपिक स्क्रिनिंग वापरून शोधण्यात आली आहेत (अनुक्रमे 28 मंजूर औषधे वि 17) — आणि नमूद केलेल्या कालावधीत लक्ष्यावर आधारित दृष्टीकोन एक प्रमुख फोकस होता हे लक्षात घेऊन हे आणखी उल्लेखनीय आहे.
या प्रभावशाली विश्लेषणाने 2011 पासून फेनोटाइपिक औषध शोध प्रतिमानाचे पुनर्जागरण घडवून आणले — फार्मास्युटिकल उद्योग आणि शैक्षणिक क्षेत्रात. अलीकडे, नोव्हार्टिस येथील शास्त्रज्ञआढावा घेतलाया प्रवृत्तीच्या सद्यस्थितीबद्दल आणि निष्कर्षापर्यंत पोहोचले की, फार्मा संशोधन संस्थांना फिनोटाइपिक दृष्टीकोनातून मोठ्या आव्हानांचा सामना करावा लागला आहे, परंतु मागील 5 वर्षांमध्ये लक्ष्य-आधारित स्क्रीनची संख्या कमी होत आहे आणि फिनोटाइपिक पद्धतींमध्ये वाढ झाली आहे. बहुधा, हा कल 2018 च्या पुढेही चालू राहील.
महत्त्वाचे म्हणजे, केवळ फिनोटाइपिक आणि लक्ष्य आधारित पध्दतींची तुलना करण्यापलीकडे, अमर सेल लाइन्सपासून प्राथमिक पेशी, रुग्ण पेशी, सह-संस्कृती आणि 3D संस्कृतींकडे जाण्यासारखे अधिक जटिल सेल्युलर ॲसेसकडे एक स्पष्ट कल आहे. सबसेल्युलर कंपार्टमेंट, सिंगल-सेल विश्लेषण आणि अगदी सेल इमेजिंगमधील बदलांचे निरीक्षण करण्याच्या दिशेने एकविविध वाचनांच्या पलीकडे जाऊन प्रायोगिक सेटअप देखील अधिकाधिक अत्याधुनिक होत आहे.
6. अवयव (शरीर)-ऑन-ए-चिप
सजीव मानवी पेशींनी रेखाटलेल्या मायक्रोचिप्स औषध विकास, रोग मॉडेलिंग आणि वैयक्तिक औषधांमध्ये क्रांती घडवू शकतात. 'ऑर्गन्स-ऑन-चिप्स' नावाच्या या मायक्रोचिप्स पारंपारिक प्राण्यांच्या चाचणीला संभाव्य पर्याय देतात. सरतेशेवटी, सिस्टीमला पूर्णपणे जोडणे हा संपूर्ण "बॉडी-ऑन-ए-चिप" प्रणाली औषध शोध आणि औषध उमेदवार चाचणी आणि प्रमाणीकरणासाठी आदर्श ठेवण्याचा एक मार्ग आहे.
हा ट्रेंड आता औषध शोध आणि विकासाच्या जागेत एक मोठा करार आहे आणि आम्ही अलीकडच्या काळात "ऑर्गन-ऑन-ए-चिप" प्रतिमानाची सद्य स्थिती आणि संदर्भ आधीच कव्हर केले आहेत.मिनी-पुनरावलोकन.
काही 6-7 वर्षांपूर्वी खूप साशंकता अस्तित्त्वात असताना, जेव्हा उत्साही दत्तक घेणाऱ्यांनी मैदानावरील दृष्टीकोन व्यक्त केला होता. आज मात्र टीकाकार पूर्ण माघार घेताना दिसतात. केवळ नियामक आणि निधी एजन्सी नाहीतसंकल्पना स्वीकारली, पण आता ते वाढत आहेदत्तकफार्मा आणि अकादमी या दोघांचे औषध संशोधन व्यासपीठ म्हणून. ऑन-चिप सिस्टममध्ये दोन डझनहून अधिक अवयव प्रणालींचे प्रतिनिधित्व केले जाते. त्याबद्दल अधिक वाचायेथे.
7. बायोप्रिंटिंग
मानवी ऊती आणि अवयवांचे बायोप्रिंटिंगचे क्षेत्र वेगाने विकसित होत आहे आणि हे निःसंशयपणे औषधाचे भविष्य आहे. 2016 च्या सुरुवातीस स्थापना,सेललिंक3D प्रिंट करण्यायोग्य बायोइंक ऑफर करणारी जगातील पहिली कंपनी आहे – एक द्रव जो मानवी पेशींचे जीवन आणि वाढ सक्षम करतो. आता कंपनी शरीराच्या काही भागांची बायोप्रिंट करते - नाक आणि कान, प्रामुख्याने औषधे आणि सौंदर्यप्रसाधनांच्या चाचणीसाठी. हे क्यूब्स देखील मुद्रित करते जे संशोधकांना यकृतासारख्या मानवी अवयवांच्या पेशींसह "खेळण्यास" सक्षम करते.
सेलिंकने अलीकडे CTI बायोटेक या फ्रेंच मेडटेक कंपनीसोबत भागीदारी केली आहे, जी कर्करोगाच्या ऊतींचे उत्पादन करण्यात विशेषज्ञ आहे, ज्यामुळे कर्करोग संशोधन आणि औषध शोध या क्षेत्रामध्ये लक्षणीय प्रगती केली जाते.
तरुण बायोटेक स्टार्टअप रुग्णाच्या कर्करोगाच्या पेशींच्या नमुन्यात सेलिंकच्या बायोइंकचे मिश्रण करून कर्करोगाच्या ट्यूमरच्या CTI ते 3D प्रतिकृती तयार करण्यात मदत करेल. हे संशोधकांना विशिष्ट कर्करोगाच्या प्रकारांविरूद्ध नवीन उपचार ओळखण्यात मदत करेल.
जैविक सामग्रीच्या छपाईसाठी 3D प्रिंटिंग तंत्रज्ञान विकसित करणारी आणखी एक बायोटेक स्टार्टअप - ऑक्सफर्ड युनिव्हर्सिटी स्पिनआउट कंपनी, OxSyBio, जीफक्त £10m सुरक्षितमालिका अ वित्तपुरवठा मध्ये.
3D बायोप्रिंटिंग हे अत्यंत उपयुक्त तंत्रज्ञान असले तरी, ते स्थिर आणि निर्जीव आहे कारण ते केवळ मुद्रित वस्तूची प्रारंभिक स्थिती विचारात घेते. एक अधिक प्रगत दृष्टीकोन म्हणजे मुद्रित जैव-वस्तूंमध्ये चौथे परिमाण म्हणून “वेळ” समाविष्ट करणे (तथाकथित “4D बायोप्रिंटिंग”), बाह्य उत्तेजना लागू झाल्यावर त्यांचे आकार किंवा कार्यक्षमता बदलण्यास सक्षम बनवणे.येथे4D बायोप्रिंटिंगवर एक अभ्यासपूर्ण पुनरावलोकन आहे.
बंद दृष्टीकोन
नुकत्याच वर्णन केलेल्या प्रत्येक शीर्ष ट्रेंडमध्ये खोलवर डोकावल्याशिवाय, हे स्पष्ट झाले पाहिजे की AI कृतीचा वाढता भाग घेत आहे. बायोफार्मा इनोव्हेशनची ही सर्व नवीन क्षेत्रे मोठ्या डेटाकेंद्री बनली आहेत. ही परिस्थिती स्वतःच AI साठी एक प्रख्यात भूमिका मांडते, हे देखील लक्षात घेते की, विषयाच्या या कव्हरेजची पोस्टस्क्रिप्ट म्हणून, AI मध्ये अनेक, विश्लेषणात्मक आणि संख्यात्मक साधने समाविष्ट आहेत जी सतत उत्क्रांत होत आहेत. औषध शोध आणि सुरुवातीच्या टप्प्याच्या विकासामध्ये AI चे अनुप्रयोग बहुतेक भाग लपलेले नमुने आणि कारणे आणि परिणामांना जोडणारे निष्कर्ष उघड करण्यासाठी लक्ष्यित आहेत अन्यथा ओळखण्यायोग्य किंवा समजण्यायोग्य नाहीत.
अशा प्रकारे, फार्मास्युटिकल संशोधनात वापरल्या जाणाऱ्या AI साधनांचा उपसंच “मशीन इंटेलिजेंस” किंवा “मशीन लर्निंग” च्या मॉनीकरमध्ये अधिक योग्यरित्या येतो. हे दोन्ही मानवी मार्गदर्शनाद्वारे पर्यवेक्षण केले जाऊ शकतात, जसे की वर्गीकरण आणि सांख्यिकीय शिक्षण पद्धती, किंवा विविध प्रकारच्या कृत्रिम न्यूरल नेटवर्क्सच्या अंमलबजावणीप्रमाणे त्यांच्या अंतर्गत कार्यामध्ये पर्यवेक्षण न केलेले. अनिश्चित (किंवा अस्पष्ट) तर्कासाठी भाषा आणि शब्दार्थ प्रक्रिया आणि संभाव्य पद्धती देखील उपयुक्त भूमिका बजावतात.
ही विविध कार्ये “AI” च्या व्यापक शिस्तीत कशी समाकलित केली जाऊ शकतात हे समजून घेणे हे एक कठीण काम आहे जे सर्व इच्छुक पक्षांनी केले पाहिजे. स्पष्टीकरण आणि स्पष्टीकरण शोधण्यासाठी सर्वोत्तम ठिकाणांपैकी एक आहेडेटा सायन्स सेंट्रलपोर्टल आणि विशेषतः ब्लॉग पोस्ट व्हिन्सेंट ग्रॅनविले, जे नियमितपणेफरक स्पष्ट करतेAI, मशीन झुकणे, सखोल शिक्षण आणि आकडेवारी दरम्यान. संपूर्णपणे AI च्या इन्स आणि आउट्सवर परिचित होणे हा कोणत्याही बायोफार्मा ट्रेंडच्या जवळ किंवा पुढे राहण्याचा एक अपरिहार्य घटक आहे.
पोस्ट वेळ: मे-29-2018