第(3/3)頁

    同時，他也想到了一個問題。

    一個初級智能系統就如此強大，那么，在升級之后，成為真正的人工智能，發展成AI制藥系統的時候，又將會是什么樣？

    他忍不住進入系統，進行詢問。

    “能否展示AI制藥的相關信息？”

    “消耗100積分，可查看AI制藥系統介紹。”

    衛康同意之后，系統向他展示了一大段相關信息。

    傳統新藥研發是一個昂貴，漫長而艱難的過程。

    除了成本高，周期長，成功率低這些困境，藥物研發面臨的更大瓶頸在于創新。

    在制藥領域，有個知名的反摩爾定律——每隔9年，投資10億美元產出的上市新藥就減少一半，更為常見的是，首創藥物占獲批新藥總數量不足一半。

    但計算機生物學和人工智能的發展，AI能夠在各個制藥環節大面積搜索潛在空間，尋找過往因人為經驗，實驗環境等外界限制未發現的靶點/化合物/晶型等，為創新藥物研發提供有力工具。

    AI制藥未來將由‘從0到1階段’進入到從‘1到10階段’，各個藥企將組成大型AI制藥聯盟，建立藥物大數據實驗室，加強多學科融合，搜集高質量研發數據，使用AI設計藥物，進入臨床試驗。

    而更大的背景是，計算生物學也將引領生物科學走向數據驅動時代。

    隨著高通量測序，納米操作，生物芯片等技術不斷成熟，生物信息數據不斷累計，計算生物學也借此發展起來。它通過構建算法和模型，從分子層面理解生物學現象及機制本身，推進相關研究及應用。

    計算生物學不但能夠通過高效精準的計算推演帶動上層應用，如化合物性質預測，基因點位預測等，加速AI制藥，物種改造等領域的發展。

    也為生命科學提供了新的研究思路——‘干濕結合的數據閉環’新模式。

    先通過充足且豐富的定量干實驗（AI模型）覆蓋待搜索空間，為濕實驗室（傳統生物實驗）中的測試提供精準假設，兩者共同迭代加速。

    而這，必將給醫藥行業帶來改天換地的變化，從而徹底改變整個世界。

    看完之后，衛康心潮起伏，激動萬分。

    這個AI制藥系統，他勢在必得。

    只是不知道，升級所需要積分又是多少呢？

    　　


    第(3/3)頁