本文整理了AI赋能药物研发的多个层面和多个视角的相关材料 (主要是近两年内)，以期尽可能地全面呈现领域内重要进展、代表性案例，供读者参考。
AI+组学
AI+基因组学
AI+转录组学
AI+蛋白质组学
AI+代谢组学
AI+靶点识别发现
AI赋能药物设计
分子建模
分子动力学
AI+虚拟筛选
分子表征
分子生成
打分函数
分子对接
相互作用预测
AI+ADME
AI+药物安全性
晶型预测
AI+化学合成
蛋白质结构预测进展
AI蛋白质设计
关联预测
AI赋能临床试验
患者招募
临床试验设计
临床试验预测
文本处理
虚拟临床试验
标准和指南
AI+生物标志物
AI+药物警戒
AI+真实世界研究
2 AI赋能多种治疗方式开发
AI+抗体
AI+RNA
AI+PROTAC
AI+细胞治疗
AI+基因治疗
AI+小核酸药物
AI+寡核苷酸药物
AI+蛋白质疗法
AI+免疫疗法
AI+微生物疗法
AI+抗生素
AI+多肽
AI+疫苗
AI+生物分子凝聚物
AI与药物递送
AI与合成生物学
3 进入临床试验的AI赋能的药物
进入临床试验的AI赋能的药物
进入临床后终止临床试验的AI赋能的药物
4 药物发现新趋势
自动化智能化药物发现
VR
MIDD
计算医学
疾病模型
数字孪生
5 AI赋能药物发现湿实验技术
AI+DEL
AI与细胞技术
6 数据算法算力
数据集
数据治理
知识图谱
ChatGPT
隐私计算
数据共享
注意力机制
Transformer
不确定性量化
可解释性
算法评估
算力
量子计算
7 各主体进展及活动
合作概览
重要合作
AI制药公司介绍
制药公司的AI进展
CRO
IT/AI巨头
联盟
投融资
并购
商业模式
政策相关
8 药物开发概要
9 行业书籍
10 行业进展报告
(点击文章题目即可查看内容)
1 AI赋能药物研发全流程
【AI赋能药物研发全流程】
●Pat Walters｜2022年AI在药物发现领域的技术进展回顾
●人工智能在药物发现和生物技术中的应用：2022年回顾与关键趋势
●徐峻｜人工智能辅助药物发现——从颠覆性思维到底层逻辑的重构
●Nat Mach Intel｜人工智能可以准确预测人类对新药物化合物的反应
●AI+新疗法引而待发：19家头部企业抢先布局，23起管线合作
●Nat Commun｜在生物科学领域应用深度学习的当前进展和开放挑战
●人工智能在药物发现中的应用市场规模将在2030年达到108亿美元
●Drug Discov Today｜赛诺菲：机器学习引导的早期小分子药物发现
●Drug Discov Today｜AI药物发现的发展需要智能生物学的支持
●Nat Rev Drug Discov｜小分子药物发现中的AI：即将到来的浪潮？
●TMR｜未来10年全球AI药物发现市场将以36.1%的复合年均增长率增长
●Drug Discov Today｜MD安德森癌症中心：利用AI增强临床前药物发现
●Nat Rev Cancer｜人工智能在癌症研究、诊断和治疗中的应用
●Drug Discov Today｜人工智能增强的药物设计和开发：迈向计算型精准医学
AI+组学
【AI+组学】
●利用机器学习多组学平台推动新型肿瘤学管线｜Auron完成4800万美元A轮融资
●多组学数据和临床数据开发｜DNAnexus完成2亿美元的H轮融资
【AI+基因组学】
●AI+微生物基因组小分子药物发现｜Hexagon Bio获7730万美元B轮融资
●AI+基因组学加速靶点发现｜Illumina与阿斯利康开展战略研究合作
●AI+基因组学开发药物｜Illumina和Deerfield达成合作
●AI+真菌基因组学+合成生物学发现药物｜LifeMine获1.75亿美元C轮投资
●FDA刘智超/童伟达｜Tox-GAN：用AI方法替代动物研究，以毒理基因组学为例
●基于深度学习和基因指纹的药效预测｜亿药科技完成千万元天使＋轮融资
●GSK组织GeneDisco挑战赛，探索体外基因实验的广阔设计空间
●Nat Commun｜AI结合基因表达特征，从头生成类苗头化合物
●利用基因网络加速靶点发现，AI制药公司Engine完成4300万美元A轮融资
【AI+转录组学】
●AI+转录组学开发药物｜Ocean Genomics获埃森哲战略投资
●Nat Comput Sci｜利用图神经网络对空间转录组数据进行细胞聚类
【AI+蛋白质组学】
●JCIM｜浙江大学朱峰小组综述文章：机器学习在空间蛋白质组学中的应用
●机器学习+蛋白质组学开发共价药物｜Matchpoint完成7000万美元A轮融资
●纳米技术+AI赋能蛋白质组学｜珞米生命科技完成近千万美元融资
●西湖欧米完成数亿元Pre-A轮融资，打造蛋白质组学AlphaFold
【AI+代谢组学】
●机器学习+代谢组学识别新化合物｜Enveda完成6800万美元B轮股权和债务融资
AI+靶点识别发现
【AI+靶点识别发现】
●Open Targets｜如何利用人工智能来识别药物靶点并进行优先排序
●Nat Mach Intell｜ImageMol: 精准预测分子性质和药物靶标的自监督学习框架
●计算+实验发现高潜力靶点｜Odyssey完成1.68亿美元B轮融资
●Nat Biotechnol｜机器学习驱动“无假设”药物靶点发现
●BenevolentAI与阿斯利康的合作实现第三个里程碑，获里程碑付款
●Nature Outlook｜借助算法和模拟将蛋白质折叠的瞬时结构转变为药物靶点
●AI+临床数据助力新药靶点发现，天坛医院院长王拥军谈【神农计划】
AI赋能药物设计
【AI赋能药物设计】
●Curr Opin Struc Biol | 多目标药物设计中的人工智能
●Drug Discov Today | 人工智能辅助药物发现的新道路
●Nat Commun｜利用分子结构、生物活性与化学语言模型进行从头药物设计
●J Comput Aid Mol Des | BRADSHAW：自动化分子设计系统
●李洪林团队发布分子切割算法MacFrag，快速生成高质量药物片段
●JCIM｜基于相对结合自由能建模的主动学习指导先导化合物优化
●对标CASP，工业界和学术界发起CACHE挑战，弥合分子发现和计算设计之间的差距
●JCIM丨像素卷积神经网络引导的化学空间探索用于基于片段的从头药物发现
●Brief Bioinform | CoaDTI：预测药物-靶点相互作用的多模态协同注意力框架
●Nature子刊｜将药化知识结合机器学习用于自动化分子构建、评分与自由能计算的开源流程
●bioRxiv | 结合结构和细胞图像数据预测化合物作用机制
●ACS Med Chem Lett｜现代药物研发中的计算应用和工具汇总
●李洪林团队发布首个快速高效的Markush结构图像识别系统
●Nat Rev Drug Discov｜共价药物发现方法回顾与工具总结
●Brief Bioinform｜FP-GNN：基于分子指纹和图神经网络的分子性质预测模型
●Drug Discov Today | 机器学习预测小分子pKa的进展和挑战
●Adv Sci | 首创引入蛋白动态信息的AI模型，高效预测药物-蛋白亲和力
●Drug Discov Today | 分子表示与性质预测中的深度学习方法
●Nat Mach Intel｜阿斯利康：通过课程学习引导从头药物设计模型
●BioRxiv｜药物设计和再利用的sequence-to-drug范式
●REINVENT2.0：阿斯利康基于AI的从头药物设计工具
●赛诺菲JCIM论文｜打开神经网络黑箱，可解释人工智能助力药物分子设计
【分子建模】
●JCIM｜pDynamo3：一个基于Python的分子建模与模拟程序
●开发癌症细胞模拟平台推进管线和合作｜Turbine获2000万欧元A轮融资
●AI和量子物理驱动的肿瘤药物发现｜Aqemia宣布与赛诺菲扩大合作
●用量子物理进行分子模拟和建模｜Qubit完成1600万欧元种子轮融资
●Nat Comput Sci综述｜生物分子建模在技术时代蓬勃发展
【分子动力学】
●Trends Biochem Sci｜配体结合动力学计算方法研究进展
●Sci Adv｜具有数百个原子的分子的精确全局机器学习力场
●予路乾行连登JCIM顶刊两封面，阐释DBDD技术机理与应用场景
●予路乾行携手瑞初医药，用动力学+AI破解"不可成药"靶点的路径与成果
●深度物理学+AI规模化发现突破性候选药物｜Aqemia完成3000万欧元A轮融资
●Curr Opin Struc Biol｜小分子通用力场的最新进展
【AI+虚拟筛选】
●JCIM｜DENVIS：使用具有原子和表面蛋白口袋特征的图神经网络进行可扩展和高通量的虚拟筛选
【分子表征】
●Drug Discov Today｜化学分子指纹的概念和应用
●Nat Mach Intel｜MolFormer：大规模化学语言模型表征分子结构与性质
●KDD2022｜GBPNet：蛋白质结构的通用几何表示学习
●BMC Bioinform | 拓扑增强的分子图表示用于抗乳腺癌药物的筛选
●JCIM｜RJT-RL：一种基于化合物的可逆树表示和深度强化学习的分子设计方法
●J Cheminform｜基于Swin Transformer的端到端光学化学结构识别
●Front Pharmacol｜基于图片段分子表示和深度进化学习的多目标药物设计
●Drug Discov Today | 利用系统的蛋白质-配体相互作用指纹图谱进行药物发现
●Nat Mach Intel｜一种用于分子相互作用和分子性质预测的自动图学习方法
●主动图机器学习药物研发｜Relation完成2500万美元种子轮融资
【分子生成】
●Drug Discov Today | 基于对接的生成模型用于新药发现
●广东省小分子新药创新中心与新樾生物联合发表基于DEL的分子生成论文
●KDD 2022 | MolSearch：基于搜索的多目标分子生成与性质优化
●Wires Comput Mol Sci｜分子发现的生成模型：最新进展和挑战
●J Comput Chem｜应用于多参数优化的基于配体的从头设计深度生成模型
●JCIM｜结合AI与Docking的基于结构的分子从头生成模型
●Drug Discov Today综述｜分子从头设计和生成模型
【打分函数】
●JCIM丨北生所黄牛小组论文：改进模型泛化能力评价手段，理解机器学习打分函数之憾
●BioRxiv｜PointVS：识别重要的蛋白质-药物关联的机器学习打分函数
●Brief Bioinform｜基于深度学习和传统打分函数的配体构象优化框架
【分子对接】
●JCIM｜MILCDock：用于药物发现中虚拟筛选的机器学习一致性对接
●Drug Discov Today｜配体-蛋白的分子对接中的机器学习
【相互作用预测】
●Chem Sci｜用于药物-药物相互作用预测的子结构感知图神经网络
●Bioinformatics | Perceiver CPI：用于化合物-蛋白质互作预测的嵌套交叉注意力网络
●Bioinformatics | 链路感知的图注意力网络用于药物-药物相互作用预测
●Bioinformatics | 通过修正异质信息中不完整信息的影响来预测药物-蛋白相互作用
●Bioinformatics | MGPLI：多粒度表示模型预测蛋白质-配体相互作用
●BMC Bioinform｜CNN-DDI：基于卷积神经网络预测药物相互作用
【AI+ADME】
●Curr Opin Struc Biol｜阿斯利康综述：用于化合物药代动力学预测的人工智能
●Future Med Chem｜企业级ADME性质早期预测模型的开发与应用
【AI+药物安全性】
●Drug Discov Today｜制药行业的Bio-AI革命：改进药物的临床安全性预测
●JCIM｜深度学习用于血液毒性预测和血液毒性化合物的结构分析
●FDA刘智超/童伟达｜Tox-GAN：用AI方法替代动物研究，以毒理基因组学为例
●Quris与默克签署协议，用机器学习识别候选药物的潜在肝脏毒性
【晶型预测】
●Chem Rev｜人工智能和机器学习算法在结晶研究中的应用
【AI+化学合成】
●Chem Sci | 用机器学习策略对逆合成途径进行评估和聚类
【蛋白质结构预测进展】
●Angew Chem Int Ed｜用AlphaFold对多肽结合物进行亲和力排序
●CASP15：DeepMind团队缺席，但AlphaFold无处不在
●NeurIPS 2022｜系统评估AlphaFold2的蛋白质功能预测能力
●Nat Method丨AlphaFill：用配体和辅助因子信息丰富AlphaFold模型
●全球计算生物学市场规模：2021年为53.5亿美元，复合年增长率21.0%
●AlphaFold新竞争对手出现，ESMFold预测了6亿种蛋白质结构
●Derek Lowe｜为什么AlphaFold不会彻底改变药物发现
●Nature评论｜AlphaFold如何在结构生物学中实现AI的全部潜力
●AlphaFold预测出2亿种蛋白质结构，打开整个蛋白质宇宙
●让所有人都能做蛋白质结构预测，华为昇思 MindSpore 最新成果将开源
●OpenFold联盟成立，为生物学和药物发现开发免费开源软件工具
●首个大众可用PyTorch版AlphaFold2复现，哥大开源OpenFold
●Commun Biol｜人工智能指导下的内在无序蛋白质的构象挖掘
●从蛋白质结构预测到药物开发｜David Baker创立CHARM，完成5000万美元A轮融资
●Nat Methods｜ColabFold：让所有人都能进行蛋白质折叠
●Nat Rev Mol Cell Bio｜用人工智能预测蛋白质结构的前景和机遇
●Nat Commun｜使用AlphaFold2改进对蛋白质-蛋白质相互作用的预测
●可与AlphaFold2准确率媲美的更快的抗体结构预测工具IgFold
●Nature｜AlphaFold和AI蛋白质折叠革命的下一步是什么
●Facebook｜从数百万个预测蛋白质结构中学习逆折叠，预测序列信息
●Nat Commun｜提升AlphaFold2蛋白-蛋白相互作用的预测能力
●AI+蛋白质错误折叠疾病的药物开发｜Congruence获5000万美元A轮融资
●Nat Methods｜用AlphaFold以原子精度预测蛋白质结构
●Drug Discov Today｜基于AI的蛋白质结构数据库有可能加速罕见病研究
●Nat Methods特刊｜2021年度方法：蛋白质结构预测
●Nat Rev Drug Discov｜AlphaFold对药物发现意味着什么？
【AI蛋白质设计】
●Nat Biotechnol｜大型语言模型生成跨不同家族的功能蛋白序列
●Comput Struct Biotech | 深度学习用于蛋白质设计：从结构到序列与功能
●BioRxiv丨基于表面指纹的蛋白质结合位点预测和binder设计
●ICLR2023 | 通过基于模型的强化学习在潜在空间中设计蛋白质序列
●打造生物科技领域的“EDA”，智峪生科推出全生态蛋白计算设计平台
●秒杀AlphaFold！Science：用AI一秒设计自然界全新蛋白质
●Cell专刊｜AI在蛋白结构、精准医疗、抗体疗法等的应用与未来预测
●Nat Mach Intel｜用语言模型进行可控的蛋白质设计
●Nat Methods｜ScanNet：基于结构的蛋白质结合位点预测深度学习模型
●Nature | 刘海燕/陈泉：蛋白质从头设计的神经网络能量函数
●Curr Opin Struc Biol｜蛋白质设计的深度生成建模
【关联预测】
●BMC Bioinform | VGAELDA：基于变分推断与图自编码器的表示学习模型用于lncRNA-疾病关联预测
●Front Pharmacol｜DDIT：药物-疾病之间多种临床表型关联预测工具
AI赋能临床试验
【AI赋能临床试验】
●AlphaFold之后的下一步？人工智能在临床开发中的新趋势（附84家新锐融资列表下载）| 年度盘点
●AI+器官芯片上的临床试验｜Quris种子轮融资总额达到3700万美元
●默克与Saama合作构建机器学习驱动的临床数据层，加强临床开发能力
●AI+临床试验检测结果分析｜罗氏和百时美施贵宝达成病理学算法合作
【患者招募】
●基于AI的临床试验患者匹配：预计2030年市场规模19亿美元
●用AI病理模型识别患者群体｜PathAI宣布延长与百时美施贵宝的多年合作协议
●AI+临床试验患者招募｜Massive Bio完成900万美元A轮融资
●WCG和Deep 6 AI合作，加快患者入组并增加临床试验的多样性
●Nat Biotechnol｜用量子计算机探索癌症患者分层
●Nature：如何使用AI分析真实世界数据，简化肿瘤临床试验入组标准
【临床试验设计】
●AI+临床试验丨初始款项7000万美元，Tempus为GSK提供AI平台和去识别化患者数据库
【临床试验预测】
●Patterns｜诺华举办内部挑战赛，用AI预测候选药物的临床试验成功率
【文本处理】
●临床人工智能和自然语言处理平台｜Mendel完成4000万美元B轮融资
【虚拟临床试验】
●用虚拟患者预测药物疗效的概念验证丨赛诺菲与BioMed X达成合作
●开发数字孪生运行更小更快的临床试验，Unlearn的AI方法获欧洲药品管理局认可
●为临床试验开发“数字孪生”服务，Unlearn完成5000万美元B轮融资
●在临床试验中引入数字孪生，Unlearn与默克签署多年合作协议
【标准和指南】
●涉及AI的临床试验的国际指南SPIRIT-AI和CONSORT-AI在顶尖医学杂志发布
【AI+生物标志物】
●AI+生物标志物｜Nucleai完成3300万美元B轮融资
●AI+生物标志物｜Imagene AI完成1850万美元A轮融资
AI+药物警戒
【AI+药物警戒】
AI+真实世界研究
【AI+真实世界研究】
●AI+真实世界研究｜ConcertAI完成1.5亿美元C轮融资
●Nature：如何使用AI分析真实世界数据，简化肿瘤临床试验入组标准
2 AI赋能多种治疗方式开发
【AI+抗体】
●机器学习+治疗性蛋白质库开发｜Protillion获1800万美元A轮融资
●机器学习+高速表征湿实验室技术开发抗体药物丨BigHat宣布与默克开展研究合作
●AI+抗体药物开发｜天演药业与赛诺菲达成合作及独家许可协议，预付款1750万美元
●AI抗体设计公司BigHat宣布完成与安进的第一阶段研究合作
●Nat Biomed Eng：利用深度学习从抗体序列中预测抗原特异性，优化抗体药物
【AI+RNA】
●AI+RNA药物发现｜Atomic AI完成3500万美元A轮融资
●ReviR溪砾科技与亚虹医药达成合作，基于AI+RNA技术路线开发肿瘤创新疗法
●AI+mRNA生物学丨艾伯维和Anima达成合作，预付款4200万美元
●AI+RNA测序数据加速靶点发现｜Envisagenics与百时美施贵宝达成合作
●结合AI与mRNA翻译生物学的药物发现｜Anima与武田合作取得里程碑式进展
【AI+PROTAC】
●Nat Mach Intell｜基于深度学习和分子模拟加速PROTAC的理性设计
●AI赋能PROTAC｜Evotec与百时美施贵宝达成8年长期合作，预付款2亿美元
●AI+PROTAC｜VantAI与勃林格殷格翰达成合作，降解传统"无药可及"靶点
●阿斯利康药化部门JCIM论文｜PROTAC分子构象和解离行为的分子模拟
●AI+PROTAC｜Blueprint和Proteovant开展战略合作
【AI+细胞治疗】
●AI+细胞治疗｜Cellino获8000万美元A轮投资，拜耳领投
【AI+基因治疗】
●AI+基因治疗｜Dyno和安斯泰来宣布合作，总潜在价值超16亿美元
【AI+小核酸药物】
●AI+小核酸药物｜Eleven完成2200万美元种子轮融资
【AI+寡核苷酸药物】
●AI+寡核苷酸药物开发｜Creyon Bio完成4000万美元种子轮和A轮融资
【AI+蛋白质疗法】
●AI+分泌蛋白开发慢性和年龄相关疾病疗法丨Juvena完成4100万美元A轮融资
●快速开发药物治疗用途迷你蛋白丨AI Proteins完成1820万美元种子轮融资
【AI+免疫疗法】
●AI驱动的单细胞免疫技术加速免疫疗法开发｜Ozette完成2600万美元A轮融资
●AI+免疫学药物开发｜Seismic完成1.01亿美元A轮融资
●AI+免疫代谢重编程｜莱芒生物完成近亿元天使轮融资，晶泰科技参投
【AI+微生物疗法】
●AI+微生物基因组小分子药物发现｜Hexagon Bio获7730万美元B轮融资
●AI赋能微生物创新疗法开发丨Biomica完成2000万美元融资
●利用计算预测生物学平台开发微生物组创新疗法｜BMC128完成首次患者给药
【AI+抗生素】
●Drug Discov Today｜人工智能用于发现针对新发传染病的新型抗生素
●IBM的AI系统通过深度生成模型和分子动力学模拟加快抗生素发现
【AI+多肽】
【AI+疫苗】
●AI赋能肿瘤疫苗研发，晶泰科技与长江生命科技开启创新新范式
【AI+生物分子凝聚物】
●AI+生物分子凝聚物药物发现｜Transition Bio完成5000万美元A轮融资
●AI+生物分子凝聚物｜Dewpoint获1.5亿美元C轮融资
【AI与药物递送】
●Adv Drug Deliver Rev｜AI和ML在药物递送中的应用：以传染病的治疗为例
【AI与合成生物学】
●AI+合成生物学的五大挑战：技术、数据、算法、评估与社会学
●AI+真菌基因组学+合成生物学发现药物｜LifeMine获1.75亿美元C轮投资
●利用合成生物学和AI实现“蛋白质印刷”，赛诺菲、默沙东合作伙伴完成交叉轮融资
3 进入临床试验的AI赋能的药物
【进入临床试验的AI赋能的药物】
●利用AI助力罕见病药物开发，英矽智能INS018_055获FDA孤儿药资格
●Schrödinger计算设计的药物SGR-1505 IND获FDA批准
●AI+PROTAC｜冰洲石AC0176获FDA快速通道指定
●老药新用，AI制药公司BioXCel的Igalmi获FDA批准
●AI制药公司中以海德首款乙肝治愈性药物HDM-8421034临床试验正式启动
●AI+PROTAC｜FDA批准冰洲石AC0176前列腺癌I期试验的IND申请
●CAS博客｜首批进入临床试验的AI设计的候选药物：结构新颖性评估
【进入临床后终止临床试验的AI赋能的药物】
4 药物发现新趋势
【自动化智能化药物发现】
●Nat Mach Intel｜李飞飞：为可信的人工智能产生数据的进展、挑战和机遇
●MIT: AI自动化学发现平台，超过20人博士团队，数10篇文章、多个工具落地实践分享
●Mahol-A-Ba｜安斯泰来集成人类、AI和机器人的药物发现平台
●Science | 化学合成自动智能化--ChemPU中化学合成文献数据库的数字化和验证
●AI+自动化合成加速药物发现，晶泰科技与青煜医药达成超千万元合作
●AstraZeneca iLab｜阿斯利康的未来全自动化实验室简介
●Nat Rev Chem｜实验化学中的数据科学进展：案例和建议
●AI+机器人自动化加速药物发现｜Cyclica和Arctoris扩大合作
【VR】
【MIDD】
●CDE关于发布《模型引导的药物研发技术指导原则》的通告（2020年第59号）
【计算医学】
【疾病模型】
●Nature子刊｜疾病建模和药物作用研究中的计算系统生物学
●以先进疾病模型支持药物开发｜CytoReason宣布扩大与辉瑞的合作
【数字孪生】
●开发数字孪生运行更小更快的临床试验，Unlearn的AI方法获欧洲药品管理局认可
●为临床试验开发“数字孪生”服务，Unlearn完成5000万美元B轮融资
●在临床试验中引入数字孪生，Unlearn与默克签署多年合作协议
5 AI赋能药物发现湿实验技术
【AI+DEL】
●广东省小分子新药创新中心与新樾生物联合发表基于DEL的分子生成论文
【AI与细胞技术】
●机器学习+单细胞技术开发药物｜Cellarity完成1.21亿美元C轮融资
●AI驱动的单细胞免疫技术加速免疫疗法开发｜Ozette完成2600万美元A轮融资
●AI+单细胞分析｜Deepcell完成7300万美元B轮融资
●Nat Rev Mol Cell Biol｜深度学习如何影响单细胞数据分析
6 数据算法算力
【数据集】
●NAR｜查尔姆斯理工大学Jens Nielsen团队开发基于AI的酶参数数据库
●为生物医学提供ML-Ready的数据｜Elucidata获1600万美元A轮融资
【数据治理】
●Drug Discov Today｜罗氏/阿斯利康：通过FAIR+Q最大化生物医药数据价值
●Nat Chem｜化学机器学习的最佳实践：推荐的一套标准化指南
【知识图谱】
●李诗良/李洪林团队发布最大的疾病—靶标知识图谱可视化平台eTSN
●J Cheminform | SimVec：一种新型的基于知识图谱的药物副作用预测模型
●AI知识图谱结合多组学分析｜元炘执药完成近千万美金天使轮融资
●Drug Discov Today｜用生物医学知识图谱阐释药物的临床结果路径
【ChatGPT】
●ChatGPT爆火，微软谷歌纷纷跟进……这些AI在生物产业有哪些应用？
【隐私计算】
●Science China｜用增强的联邦学习应对药物发现数据小和偏的困境
●AI药物发现的数据共享模式探索：以十大顶尖药企参加的MELLODDY项目为例
【数据共享】
●Nature：优于联邦学习的医疗数据共享技术Swarm Learning及应用案例
【注意力机制】
●Brief Bioinform | CoaDTI：预测药物-靶点相互作用的多模态协同注意力框架
【Transformer】
●IJCAI2022｜端到端的几何transformer：用于分子属性预测
●Int J Mol Sci｜CSatDTA：带自注意力机制的卷积模型预测药物-靶标亲和力
●KDD 2022 | KPGT：基于图Transformer的知识引导的预训练模型用于分子性质预测
【不确定性量化】
●iScience｜不确定性量化问题：我们可以相信AI在药物发现中的应用吗？
●J Cheminform | 结合不确定性估计的药物血脑屏障通透性预测
【可解释性】
●Patterns | 可解释图神经网络在药物性质预测问题上的定量评估研究
●bioRxiv｜用可解释性深度学习架构改善药物反应预测，神话还是现实？
●JCIM｜基于图卷积神经网络的逆合成反应预测和可解释性可视化
【算法评估】
●Nat Chem Biol｜跨治疗方式和药物发现阶段的AI方法的访问和评估
【算力】
●Nat Mach Intell｜GPU计算和深度学习在药物发现中的变革作用
●GSK和Cerebras的合作｜高性能AI计算如何加速药物发现
【量子计算】
●Nat Biotechnol｜用量子计算机探索癌症患者分层
●Drug Discov Today｜量子计算在药物发现中的潜力：早期的行业动态
7 各主体进展及活动
【合作概览】
●20家顶尖制药公司如何将AI应用于药物研发：近年来主要合作活动
【重要合作】
●Schrödinger收到1.113亿美元分成，来自Nimbus向武田出售TYK2抑制剂
●英矽智能与赛诺菲达成战略研究合作协议，总潜在价值最高可达12亿美元
●诺和诺德与微软合作，利用大数据和人工智能加速药物发现和开发
●AI制药公司Atomwise与赛诺菲签署多靶点研究合作，预付款2000万美元
●AI赋能PROTAC｜Evotec与百时美施贵宝达成8年长期合作，预付款2亿美元
●AI+靶点和药物发现｜Genesis与礼来达成战略合作，预付款2000万美元
●AI+PROTAC｜Blueprint和Proteovant开展战略合作
●AI药物发现公司PostEra与辉瑞达成2.6亿美元的多靶点战略合作
●AI药物开发公司Exscientia与赛诺菲建立战略合作，总潜在价值52亿美元
●Generate和安进达成多靶点多模式合作协议，总潜在价值19亿美元
●AI药物发现公司Absci与默沙东合作，预付款及里程碑付款6.1亿美元
●预付款1.5亿美元，AI药物研发公司Recursion与罗氏和基因泰克达成数十亿美元合作
●AI+基因治疗｜Dyno和安斯泰来宣布合作，总潜在价值超16亿美元
●赛诺菲与人工智能和联邦学习初创公司Owkin签署2.7亿美元协议
●超12亿美元，Exscientia宣布与百时美施贵宝开展AI药物发现合作
【AI制药公司介绍】
●BenevolentAI：构建强大的数据基础以加速药物发现
●AI药物研发公司Relay Therapeutics近年来发表的学术文章回顾
●AI药物研发公司Insilico Medicine的理念、技术与特点
【制药公司的AI进展】
●施维雅｜AI驱动的药物发现的工业化：Patrimony计算平台的经验和教训
【CRO】
●Charles River和Flagship达成合作协议，利用人工智能Logica开发新疗法
●AI+CRO｜Sygnature部署Iktos的AI药物设计软件
●AI+CRO｜查尔斯河与Valo联合推出集成的AI药物发现解决方案Logica
●AI药物发现公司Valo和Charles River宣布建立战略合作
【IT/AI巨头】
●让所有人都能做蛋白质结构预测，华为昇思 MindSpore 最新成果将开源
●腾讯AI Lab「云深」平台开源业内首个药物AI大型分布外研究框架DrugOOD
●百度研究成果登《Nature》子刊：利用几何构象提升化合物分子建模效果
●百度与赛诺菲达成许可协议，将其算法用于mRNA疫苗和药物开发
●跨界者在行动：互联网巨头在AI药物发现方面，都做了哪些工作
【联盟】
●多家制药巨头联合推出AI药物研发实验室AION Labs，以独特模式运作
●AI药物发现的数据共享模式探索：以十大顶尖药企参加的MELLODDY项目为例
【投融资】
●2020-2021年上市的15家人工智能驱动的生物技术公司
【并购】
●BioNTech以3.62亿英镑收购InstaDeep，加强AI药物研发布局
●Cadence以5亿美元收购计算分子设计先驱OpenEye
【商业模式】
【政策相关】
●Drug Discov Today｜FDA现代化法案2.0：将非动物技术引入监管
●用AI提高审查效率，FDA开发决策支持软件工具，发现见解、做出预测、生成建议
●2016年至2021年人工智能和机器学习在药物开发监管申报中的应用前景分析
●Nat Mach Intell｜美国和欧洲如何监管医学领域的人工智能
●Drug Discov Today｜FDA童伟达：基于AI的语言模型为药物发现和开发提供动力
●国家药监局关于发布人工智能医用软件产品分类界定指导原则的通告
8 药物开发概要
●Nat Rev Drug Discov｜2022年生物制药交易情况
●Nat Rev Drug Discov｜2022年FDA批准的药物评述
●Nat Rev Drug Discov｜“重磅炸弹”之于制药行业的意义
●Nat Rev Drug Discov｜2023年全球药品销售Top10预测
●JCIM｜诺华25年的小分子优化：化学系列演变的回顾性分析
●Drug Discov Today｜小分子药物的特性趋势分析和可开发性评估
●Nat Rev Drug Discov丨中国制药行业的创新水平
●Nat Rev Drug Discov｜基于表型的药物发现：最近的成功、经验教训和新方向
●Nat Rev Drug Discov｜中国创新药物开发趋势
●Nat Rev Drug Discov｜创新药物的临床开发时间
●Nat Rev Drug Discov｜中国创新药物研发的演变
●Nat Rev Drug Discov｜2021年药物新靶点
●Drug Discov Today｜辉瑞：如何成功的设计小分子药物
●Nat Rev Drug Discov｜2021年FDA批准的药物评述
●辉瑞｜用10年时间，将药物临床成功率从2%提升到21%的经验和教训
9 行业书籍
●Springer推出新书《Drug Target Selection and Validation》
●Springer推出新书《Computer Aided Pharmaceutics and Drug Delivery》
●Springer推出新书《Artificial Intelligence in Drug Design》
10 行业进展报告
●AI in Drug Discovery (AIDD)行业研究报告
联系客服
