人工智能技术的发展为药物发现和开发提供了重要机会。

在分子生成领域,深度学习方法可以探索广阔的化学空间,对具有理想性质的分子进行采样,针对特定的靶蛋白设计更优理化性质的新分子。多种深度学习架构已被用来对分子的活性和特性进行迭代优化。 在虚拟筛选领域,采用深度学习方法从蛋白质-配体复合物中提取结构特征、对超大型的分子库进行基于结构的筛选已有许多研究,多种基于机器学习和深度学习的评分函数能够增加虚拟筛选结果的可靠性。 在计算机辅助合成规划 (CASP) 中,AI驱动的方法已被用来规划/推荐可行的合成路线、预测化学反应结果,帮助化学家做出更好的决策,从而减少合成失败、提高效率和生产率。 虽然AI算法的进步极大地改变了药物设计的格局,然而还有许多开放性的问题需要探讨。 诸如数据量和数据质量 (如异质性)、数据的标准化、模型评估的基准指标、代理测量、运行的透明度/可解释性等问题尚需解决。从现状来看,生成模型在药物设计中的应用仍处于起步阶段,逆合成预测的研究目前还主要局限于单步逆合成预测。 **那么接下来AI药物设计的重点发展方向是什么?有哪些前沿进展?如何从生物医药产业发展的角度,来定义药物设计中AI需要解决的问题?**6月22日晚上19:30-22:00,智药邦联合北鲲云,邀请多位产业界和学术界专家参加《AI药物设计前沿进展》线上研讨会,分享最佳思路、案例与实践。欢迎参加!

专家简介 许大强

索智生物共同创始人兼首席执行官

北京大学化学学士,美国加州大学洛杉矶分校(UCLA)博士;Scripps研究所博士后;宾夕法尼亚大学沃顿商学院(Wharton Business School)MBA。 超过25年的药物研发,生产,市场和销售,和投资的领导经验,包括美国普渡制药市场部和新产品计划部总负责人、美国山德士特殊产品事业部总负责人、美国诺华市场部产品总监、苏州诺华研发中心总经理、维亚生物首席商务官,等。 徐峻

中山大学药物分子设计研究中心主任

中山大学教授、药物分子设计研究中心主任、英国皇家化学会会士、广东省数据科学与技术及其应用重点学科负责人、美国匹兹堡大学和澳大利亚墨尔本皇家理工大学兼职教授。

历任美国TRIPOS分子设计公司资深科学家,BIO-RAD萨特勒实验室研发部总监,德国Boehringer Ingelheim制药公司药物设计主管科学家,美国BioFocus-DPI制药公司药物设计总监。研究领域横跨化学、药学和信息科学。长期在第一线从事分子信息学算法研究和药物发现实验研究。自上世纪80年代末他发表图映射/子图匹配/超图匹配统一算法以来,不断发表分子信息学相关算法。 徐峻2009年归国创建中山大学药物分子设计研究中心,是国家“新药创制重大科技专项”、广东省生物大数据重大专项、广州市药物创新重大科技专项的主持人。以第一或通讯作者在国际主流杂志发表研究论文120多篇。 唐建

加拿大蒙特利尔学习算法研究所(Mila)终身教授

唐建博士目前是加拿大蒙特利尔学习算法研究所(Mila)、商学院、计算机系终身教授,CIFAR讲席教授,ICML和NeurIPS的领域主席。他的主要研究领域包括图表示学习、图神经网络、几何深度学习、深度生成模型、知识图谱和药物发现。博士期间获机器学习顶级会议ICML2014最佳论文奖;2016年获顶级数据挖掘会议World Wide Web(WWW)最佳论文奖提名;2020年获亚马逊和腾讯教师研究奖。他是图表示学习领域最具代表性的研究者之一,在该领域发表了LINE和RotatE等一系列代表性工作。他在节点表示学习方面的工作LINE得到了广泛的认可,是2015年至2019年期间WWW会议上被引用次数最多的论文。他的团队是世界上最早从事人工智能用于药物研发的团队之一,做出了一系列有影响力的成果,包括开源了一个专门用于药物研发的机器学习平台TorchDrug,受到广泛的关注。 冯建新

深圳北鲲云计算有限公司创始人&CEO

深圳北鲲云计算有限公司创始人&CEO,科技行业连续创业者,多年全球500强跨国工作经验,多个Github云相关开源项目的核心贡献者。拥有多次国内外创业经历,2018年在瑞典创立EdgeC Solution AB公司,专注于为企业提供一站式云超算(Cloud-HPC)服务。

陈红明

广州实验室研究员

1998年于中国科学院化工冶金研究所(现过程工程研究所)获得计算化学博士学位。1998-2000年期间,在德国拜耳公司Wuppertal药物研发中心从事博士后研究工作。他在2001年加入阿斯利康制药公司瑞典哥德堡的研发中心,从事计算化学和新药开发工作长达18年,曾在先导化合物发现部门担任主任研究员(Principal Scientist)职位。他于2019-2021年期间在生物岛实验室担任研究员(Principal Investigator)并组建人工智能与药物设计研发团队,现任广州实验室研究员。他的主要研究兴趣在计算化学,化学信息学,人工智能/机器学习等方面,已发表学术论文和专利90余篇。目前担任Molecular Informatics 杂志学术咨询委员会委员和Artificial Intelligence in the Life Sciences杂志编委委员。

注册报名

本次直播免费参加,扫描二维码报名,并预约直播

加群讨论

扫描李老师微信加入直播交流群

成为VIP会员查看完整内容
13

相关内容

医学领域的人工智能是使用机器学习模型搜索医疗数据,发现洞察,从而帮助改善健康状况和患者体验。 得益于近年来计算机科学和信息技术的发展,人工智能 (AI) 正迅速成为现代医学中不可或缺的一部分。 由人工智能支持的人工智能算法和其他应用程序正在为临床和研究领域的医学专业人员提供支持。
【NAACL2022】信息提取前沿
专知会员服务
56+阅读 · 2022年7月11日
综述分享 | 深度学习在分子生成和分子性质预测中的应用
深度学习在分子生成和分子性质预测中的应用
专知会员服务
32+阅读 · 2022年6月19日
人工智能到深度学习:药物发现的机器智能方法
专知会员服务
35+阅读 · 2022年5月6日
【百图生科宋乐博士】 人工智能赋能医药研发
专知会员服务
27+阅读 · 2022年3月17日
量子人工智能:机遇与挑战 | 7月5日TF64
中国计算机学会
0+阅读 · 2022年6月27日
直播预告 | Mila实验室来啦!
学术头条
0+阅读 · 2022年3月28日
报名 | 知识图谱前沿技术课程(苏州大学站)
PaperWeekly
12+阅读 · 2017年11月27日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年8月9日
Arxiv
46+阅读 · 2021年10月4日
Arxiv
14+阅读 · 2020年12月17日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员