次回の更新記事:既存のベンチマークテストは信頼できるのか?LLM評価…(公開予定日:2025年02月11日)

AIで創薬スピードアップか。分子の形から治療効果を予測(AI×医療)【論文】

   

年間数十億ドルもかかる、新薬候補探し

医薬品開発の現場では、新薬の候補となる新しい分子(リード化合物)の開発がさかんに行われている。化学実験に費やされている費用は、年間で数十億ドルにもおよぶ。あらかじめ生体内の分子のはたらきを予測することができれば、新薬の出発点となるリード化合物候補の選択において、大幅なスピードアップやコスト削減が期待できる。

アメリカにあるウィスコンシン大学のJesse G. Meyerら研究者は、医薬品開発におけるリード化合物候補選択のスピードアップ・コスト削減を実現するため、機械学習手法である畳み込みニューラルネットワークランダムフォレストを用いて、化学物質の構造から薬物特性の予測を試みた。

結果はどうだったのだろうか。AIで創薬スピードアップすることはできるのか?

機械学習で化学構造を分類、治療用途を予測!

Jesse G. Meyerらの研究におけるミッション・手法・結果は以下の通りだ。

当サイトの利用にはAIDBのアカウントが必要です。
また記事の購読には、アカウント作成後の決済が必要です。



※ログイン/初回登録後、下記ボタンを押してください。

AIDBとは
プレミアム会員(記事の購読)について

■AIDBからのお知らせ
AIの仕事、どうやって探せばいいんだろう?AIDBがそんな皆のためにサービスを運営中。

■サポートのお願い
AIDBを便利だと思っていただけた方に、任意の金額でサポートしていただけますと幸いです。


AIDBとは


重要なAI論文にわかりやすい記事でキャッチアップできるサービスです。2019年から運営しています。

AIDBのネットワークを活かして仕事をしよう

登録フォームを表示する
PAGE TOP