Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >AstraZeneca iLab|阿斯利康的未来全自动化实验室简介

AstraZeneca iLab|阿斯利康的未来全自动化实验室简介

作者头像
智药邦
发布于 2022-06-08 06:38:30
发布于 2022-06-08 06:38:30
5430
举报
文章被收录于专栏:智药邦智药邦

本文简要介绍AstraZeneca iLab的情况。

药物发现自动化的概念并不新鲜,但药物发现的设计-制造-测试-分析 (DMTA) 循环的完全自动化尚未实现,这也是AstraZeneca iLab的雄心壮志。

位于瑞典哥德堡的AstraZeneca iLab是阿斯利康全自动药物化学实验室的原型,通过与Molecular AI团队的无缝集成,将药物发现的DMTA效率推向新的高度。

小分子药物发现的DMTA循环

小分子药物的发现是通过design-make-test-analyse (DMTA) 循环的多次迭代来驱动的。这包括设计全新的分子,通过化学合成制造它们,在一系列生物分析中测试并分析任何可能的改进,然后再开始下一轮设计。这是一个漫长而耗时的过程。人工智能、自动化和机器人技术有可能更快地推动这一周期,AstraZeneca iLab的目标是在现在一半的时间内确定潜在的候选药物。

AstraZeneca iLab

阿斯利康于2017年开始了iLab的旅程,目标是构建和优化一个原型,该原型可以自动合成小分子化合物、纯化它们并为测试提供可筛选的解决方案。一旦化合物经过测试,人工智能就会介入数据分析并提出新的化合物来制造和测试。

阿斯利康还开发了一种名为nanoSAR的新型制造和测试技术,这是一种与生物物理筛选相结合的小型化高频合成过程,这使其能够更快地探索关键先导化合物周围的各种分子。

AI+DMTA

iLab 与阿斯利康的Molecular AI团队密切合作,该团队推动DMTA循环的“design”和“analyse”环节,也就是“下一步做什么”和“怎么做”。该团队利用人工智能和机器学习来帮助化学家更快地做出更好的决策。该团队最近发表在Nature Machine Intelligence上的一篇论文描述了基于AI的新型模型,该模型使用条件递归神经网络使化学家能够与计算机交互工作,以加快化学空间的探索和潜在新药分子的设计。

阿斯利康创建了iLab作为进行化学创新的工具。它激发了化学界的想象力,并推动了尖端合成方法在更广泛的层面上的采用。但这不是一个独立的产品,它是整体化学战略的一部分,旨在在整个组织中利用机器学习、人工智能和自动化之间的基本联系。

关于未来

iLab的负责人Michael Kossenjans称,我们仍在旅途中,但在过去的两到三年中取得了如此多的成就。我们现在能够并行合成几种小分子化合物并自动纯化它们。许多传统的实验室手动任务现在可以由机器人完成。与硬件和软件方面的专业供应商合作,主要是BioSero和Zinsser Analytic (现在是Ingersoll Rand的一部分),我们已经开发出了第三代原型平台,并且每天都在改进。在接下来的几年里,我们的目标是在哥德堡和英国剑桥建立一个功能齐全的自动化化学实验室。

参考资料

https://www.astrazeneca.com/r-d/our-technologies/ilab.html

--------- End ---------

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-05-11,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 智药邦 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
AI药物研发下一章:迈向干湿结合
近两年来,AI药物研发的方法逐渐向干湿实验结合拓展和转变,许多AI公司已通过自建或者合作的方式开发湿实验平台,加速药物发现。一些案例整理如下。
智药邦
2022/11/16
7430
AI药物研发下一章:迈向干湿结合
云实验室:机器人做研究的地方
近年来,许多公司开始提供远程的、自动化的机器人,用于24小时执行实验、提高研发效率和可重复性。如发布云端化学实验室RoboRXN的IBM、倡导“按需自动发现”的Strateos、定制生命科学实验的Emerald、提供全自动药物发现平台的Arctoris、推出基于云的自动化平台的Synthace。
智药邦
2022/11/16
7250
云实验室:机器人做研究的地方
AstraZeneca与BenevolentAI合作,以加速药物发现
AstraZeneca与BenevolentAI进行长期合作,利用人工智能和机器学习发现和开发慢性肾病(CKD)和特发性肺纤维化(IPF)的新疗法。
AiTechYun
2019/05/15
4580
JMC | 人工智能在药物合成中的当前和未来作用(1)
人工智能和机器学习已经证明了其在预测化学性质和小分子合成设计中的潜在作用。数据驱动的合成路线设计是由MLPDS(Machine Learning for Pharmaceutical Discovery and Synthesis)联盟开发和评估的一部分,该联盟包括MIT和13个化学和制药公司成员。他们一起写了“Current and Future Roles of Artificial Intelligence in Medicinal Chemistry Synthesis”刊登于2020年4月JMC,分享了如何将预测模型整合到药物合成工作流程中,如何在MLPDS成员公司中使用预测模型以及该领域的前景。
DrugAI
2021/02/02
7890
JMC | 人工智能在药物合成中的当前和未来作用(1)
近年来阿斯利康在AI药物研发领域发表的15篇论文
阿斯利康正在将数据科学和人工智能技术嵌入到药物研发中,以寻求更好的新方法来发现、测试和加速未来的潜在药物。
智药邦
2022/11/16
9490
近年来阿斯利康在AI药物研发领域发表的15篇论文
AI研发新药真有那么神?可能哈佛、斯坦福和阿斯利康实验室都在吹牛
安妮 李林 编译自 Medium 量子位 出品 | 公众号 QbitAI 近年来,向往着用AI研发新药的美好愿景,巨头纷纷投下了重注。 制药巨头赛诺菲和AI药物发现平台Exscientia签下3亿美元
量子位
2018/03/22
9890
AI研发新药真有那么神?可能哈佛、斯坦福和阿斯利康实验室都在吹牛
ChemRxiv|阿斯利康REINVENT4:现代AI驱动的分子设计
2023年11月6日,来自阿斯利康(瑞典)的Hannes Loeffler等人在ChemRxiv发表文章REINVENT4: Modern AI–Driven Generative Molecule Design。
智药邦
2024/03/05
9630
ChemRxiv|阿斯利康REINVENT4:现代AI驱动的分子设计
JMC丨人工智能在药物发现中的实战经验:来自工业界的视角
将新疗法推向市场的迫切愿望,促使大型制药公司、生物技术公司和CRO部署AI/ML技术,以加强和加快药物研发进程。这些公司面临着“自建”还是“购买”的抉择,要么投资内部员工和基础设施,建立内部能力,要么与人工智能公司合作。
智药邦
2025/01/19
1430
JMC丨人工智能在药物发现中的实战经验:来自工业界的视角
从信息时代到智力时代的药物发现
数据驱动着药物发现,但它仍然是该行业面临的最大挑战之一。实验通常是不可重复的,并且数据解释受人类的偏见和限制。
DrugAI
2021/01/29
3500
ACS Med Chem Lett|现代药物研发中的计算应用和工具汇总
2022年6月1日,来自美国艾伯维的研究人员在ACS Med Chem Lett上发表综述文章Contemporary Computational Applications and Tools in Drug Discovery,详细统计了当前在药物设计领域被广泛使用的计算机应用和工具,并且根据工具的属性进行了细致的分门别类。
智药邦
2022/11/16
7000
ACS Med Chem Lett|现代药物研发中的计算应用和工具汇总
Advanced Sci | 打破生成式深度学习限制:低量数据下的“one-shot”药设计法
本文介绍苏黎世联邦理工学院、Sidney Kimmel癌症中心等机构的研究者合作发表于Advanced Science的工作:作者将基于配体的分子从头设计与用于靶点预测的机器学习模型相结合,以海洋天然产物Marinopyrrole A为设计模板,自动设计生成了全新的cyclooxygenase-1(COX-1)抑制剂,展示了以天然产物启发的、AI驱动的药物设计的美好前景。特别的,这种基于规则的化合物构建策略打破了高数据量要求的深度学习方法的限制。
DrugAI
2021/07/30
5040
近年来GSK在AI药物研发领域发表的11篇论文
据葛兰素史克(GSK)官网称,GSK在2020年的一个季度中生成的数据,比公司之前300年的历史中生成的还要多。GSK正在以前所未有的速度、规模和精度解码这些数据。
智药邦
2022/11/16
6110
近年来GSK在AI药物研发领域发表的11篇论文
Science|类药有机分子的快速自动化组装
2022年2月8日,Nature杂志发表文章Automated iterative Csp3-C bond formation,介绍了一种利用TIDA-硼酸盐连接物自动组装有机分子的方法。
智药邦
2022/03/04
3060
Science|类药有机分子的快速自动化组装
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
人类社会已经经历了三次工业革命,即蒸汽技术革命、电力技术革命、计算机及信息技术革命。第四次工业革命的大幕正在徐徐拉开。
智药邦
2021/06/03
2.5K0
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
用算法合成新药:一场新式卡斯帕罗夫与深蓝的巅峰对决
安妮 编译自 Nature 量子位 出品 | 公众号 QbitAI 一分子就是一世界。 对药物研发人员来说,确实这样。在这篇《Nature》的文章中,渥太华记者Asher Mullard将把你拉进一个
量子位
2018/03/26
8140
用算法合成新药:一场新式卡斯帕罗夫与深蓝的巅峰对决
阿斯利康:释放数据和人工智能的力量
阿斯利康(AZ)是积极倡导在药物研发中使用人工智能方法的大型制药公司之一。本文整理了AZ官网中多篇AI药物研发相关文章的主要内容。
智药邦
2023/02/28
7120
阿斯利康:释放数据和人工智能的力量
智化科技宣布同科因生物战略合作达到里程碑
2022年11月14日,智化科技宣布同科因生物达成战略合作的里程碑,将共同致力于加速小分子药物研发的效率提升,改变新药研发的传统模式,为穿越“死亡之谷”提供“杖和竿”。
智药邦
2023/02/14
3970
智化科技宣布同科因生物战略合作达到里程碑
近年来赛诺菲在AI药物研发领域发表的12篇论文
本文对近年来 (2020年1月至今) 赛诺菲在AI药物研发方面的12篇论文 (不完全统计) 进行整理。
智药邦
2023/02/28
6400
近年来赛诺菲在AI药物研发领域发表的12篇论文
JMC|化学设计自动化的不同等级和相关案例
2022年5月5日,Relay Therapeutics的Patrick Riley等人在JMC上发表综述,结合案例介绍了当前化学设计自动化的等级框架,以及不同等级的优缺点和面临的挑战,并分析最自动化的水平上,人与机器之间合作的关键点。
智药邦
2022/06/08
5250
JMC|化学设计自动化的不同等级和相关案例
Sci. Advances | 基于深度生成模型和on-chip合成的全新药设计
本文介绍来自苏黎世联邦理工学院、埃因霍温理工大学等机构的F Grisoni、BJH Huisman等人在Science子刊发表的文章“Combining generative artificial intelligence and on-chip synthesis for de novo drug design”。作者提出了基于深度学习和微流体平台进行自动化药物DMTA(design-make-test-analyze)循环的模块化框架,并从头设计了LXR(Liver X Receptor)激动剂,结果显示集成的从头设计平台在药物发现中自动化 DMTA 循环很有前景。
智能生信
2021/06/24
8930
Sci. Advances | 基于深度生成模型和on-chip合成的全新药设计
推荐阅读
相关推荐
AI药物研发下一章:迈向干湿结合
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档