写的:
阿斯利康生物制药研发部肾脏生物科学高级主任欧洲杯微信买球
执行董事，数据科学和定量生物学，发现科学，研发，Astazeneca欧洲杯微信买球
领导产品经理Benevolent AI
数据科学和人工智能(AI)有潜力改变我们发现和开发药物的方式。我们知道，选择与疾病驱动因素密切相关的正确目标仍然是我们在药物发现过程中做出的最重要决定，而数据科学和人工智能在这方面产生了积极影响。
在联合多学科团队中并肩工作，借助阿斯利康在药物发现和疾病理解方面的领先专业知识，以及来自BenevolentAI的机器学习模型和人工智能，我们正在为一些世界上最复杂的生物学挑战发展药物发现。欧洲杯微信买球我们一起采用了一种创新的、数据驱动的方法来发现靶点，使用BenevolentAI强大的人工智能模型和工具，为阿斯利康的科学家提供了疾病生物学的新见解，以便选择新的靶点，具体治疗疾病的原因。欧洲杯微信买球
我们可以访问更多的数据，而不是以前的数据，但如果我们能够分析，解释和应用，才能实现此数据的值。我们在利用人类OMICS数据方面取得了成功，以识别新目标，但我们希望将其带到下一级。数据在唯一地分析了筒仓，我们知道通过知识图更好地整合数据集的能力有可能成为游戏变化。
我们的合作重点是两种需要显著未满足的疾病:慢性肾脏疾病(CKD)和特发性肺纤维化(IPF)。这也是两种复杂的多因素疾病，药物发现尤其具有挑战性。
我们从构建IPF和CKD疾病特异性知识图开始。知识图是一种以有意义的方式集成大量患者相关数据集和互补类型数据模式的框架。机器学习和人工智能应用程序可以查询这些数据，以发现之前未知的模式，并做出新的目标预测。然后，人工智能工具通过显示最相关的数据来增强目标评估，帮助科学家在数据驱动下决定优先考虑哪些目标。信息以可伸缩的方式存储在知识图中。因此，随着我们的数据和知识的增长和发展，我们的图表也会随之发展，这意味着每一个新设计的实验都会从之前学到的东西中受益。
CKD包括多种不同的疾病，由多种途径驱动并改变潜在的原因，不幸的是在全球十分之一的人中影响了一个。这种复杂性意味着了解疾病的潜在驱动并识别新的目标是挑战性。将来，目的是识别将停止或甚至逆转疾病进展的治疗方法。
IPF的病因是特发性的或未知的。因此，靶标发现的挑战之一就是要知道应该关注哪一种生物机制。能够区分哪些机制是导致疾病的原因，哪些是疾病的后果，有助于提高疗效。我们的目标是治疗疾病的致病机制，而不是仅仅治疗下游症状，这样我们就可以防止疾病的发展。
此次合作已经产生了一个经过验证的CKD人工智能靶标，该靶标已进入阿斯利康的投资组合。欧洲杯微信买球对于IPF，我们已经确定了潜在的目标，目前正在使用新的实验程序，如CRISPR，对它们进行实验验证。
我们共同发展的工作进一步了解对这些疾病的理解。使用知识图形，AI工具和机器学习模型已经占据了既定生物学的聚光灯以及更多的新机制。AI不再是药物发现的承诺;我们正在改变新药被发现的方式。
