1.演讲者介绍
唐健目前是蒙特勒尔学习算法研究所(Mila)的助理教授,该研究所专注于深度学习和强化学习,由图灵奖得主Yoshua Bengio领导,从2017年12月开始。他的研究重点是图形表示学习、图形神经网络、药物发现和知识图。他被提名为第一批加拿大CIFAR人工智能主席(CIFAR AI研究主席)。他是密歇根大学和卡内基梅隆大学的研究员。他曾在微软亚洲研究院担任研究员两年。他获得了ICML’14的最佳论文奖和WWW’16的最佳论文提名。
王菲现任康奈尔大学威尔康奈尔医学院人口健康科学系健康信息学副教授。他的主要研究兴趣是数据挖掘及其在健康数据科学中的应用。他在人工智能和医学领域发表了250多篇论文,获得了12700多篇引用。他的H指数是56。他的论文在数据挖掘和医学信息学的顶级国际会议上获得了8项最佳论文奖。王博士是2018年美国国家科学基金会职业奖(NSF CAREER Award)的获奖者,该奖项是2019年IEEE健康信息学国际会议(ICI)的首届研究领导奖。王博士是美国医学信息学协会(AMIA)知识发现和数据挖掘工作组主席。
程飞雄博士是克利夫兰诊所基因组医学研究所的首席研究员。Cheng博士正在致力于开发计算和实验网络医学技术,以促进疾病异质性的表征,从而实现以患者为中心的协调战略目标,从而促进创新诊断和治疗学的发展。郑博士获得了多项奖项,包括NIH独立路径奖(K99/R00)、SCI高度引用论文奖和范德比尔特年度博士后荣誉奖。
2.药物发现流程
药物发现:12年至15年,10亿至26亿美元
目标/命中和线索识别–》临床前研究–》临床阶段1/临床阶段2/临床阶段3–》FDA批准
(3---------------------------------6年) (5-------------------------------7年) (1-2年)
FDA:美国食品药品监督管理局
3.药物发现的挑战
自1993年以来新的FDA批准:药品评估和研究委员会(CDER)批准的新分子实体(NME)和生物制剂许可申请(BLA)的数量。2019年新批准见表1。生物制剂评估和研究中心(CBER)批准的产品,如疫苗和基因治疗(CBER)不包括在此药物计数中(见表2)。
4.药物发现失败的原因
a.2013-2015失败的原因:商业(6%)/安全(24%)/功效(52%)/策略(15%)/运营(3%)
b.按治疗种类分类的失败百分比:肿瘤学(32%)中枢神经系统(17%)肌肉骨骼(13%)传染病(5%)心血管(7%)消化道(7%)代谢(6%)其他(13%)
5.药物发现和临床试验的过程演变
6.精确药物发现的高成功率
7.大数据带来的大帮助
合适的药物,合适的剂量,合适的人
8.类基因组面临的大数据挑战
你体内所有的DNA有多长? 2*10^14次方m,相当于地球到月球距离的667倍
9.166亿有机小分子
2020《化学》 《化学模式》
10人类药物基因组
千兆字节的力量
药物发现和医疗保健生成详细数据,这对于创建用于药物发现和开发的学习健康系统至关重要。需要创新的技术和算法…
13.计算机计算药物
14人工智能时代药物设计的再思考
设计 分析 测试 制造
15人工智能/机器学习/深度学习
人工智能(机器学习(深度学习)(神经网络))
16机器学习工具及其药物发现应用
regression analysis methods回归分析方法
classifier methods分类方法
clustering methods聚类方法