用机器学习加速药物发现并预测药物获得FDA批准的可能性
加州大学圣地亚哥分校医学院的研究人员在2021 年 7 月 12 日的《自然通讯》在线问题上描述了一种新方法，该方法使用机器学习加速药物发现，然后预测药物是否有可能获得 FDA 的批准。
研究结果可能会显着改变研究人员筛选大数据以寻找对患者、制药业和国家医疗保健系统具有重大益处的有意义信息的方式。
在这项新研究中，Ghosh 及其同事用加州大学圣地亚哥分校网络医学研究所 (iNetMed) 内开发的两种新方法取代了临床前药物发现的第一步和最后一步，该方法联合了多个研究学科，以开发新的解决方案来推进生命科学和科技，促进人类健康。
研究人员使用炎症性肠病 (IBD) 的疾病模型，这是一种复杂的、多方面的、复发性自身免疫性疾病，其特征是肠道内壁发炎。由于 IBD 会影响所有年龄段的患者并降低患者的生活质量，因此 IBD 是药物发现的优先疾病领域，并且由于没有两个患者的行为相似，因此治疗起来具有挑战性。
新方法可以提供预测能力，这将帮助我们了解疾病如何进展，评估药物的潜在益处，并在当前治疗失败时制定如何使用组合疗法的策略。这有可能打破现状，为尚未有良好治疗解决方案的慢性病提供更好的药物。获取更多前沿科技 研究进展 访问：https://byteclicks.com
新方法已经获取专利，Soumita Das、Debashis Sahoo 和 Pradipta Ghosh 拥有该方法的专利。
版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/24448.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。
