种化合物，并合成和测试了其中的四种，结果表明预测化合物具有良好的活性。这篇论文被视为是GAN首次在药物开发的应用，吸引了深度学习界大牛的目光，神经网络三巨头中的Yoshua

2022年11月14日，英矽智能发布旗下Pharma.AI人工智能药物研发平台全球同步更新，包括全新靶点发现引擎PandaOmics、分子设计和生成平台Chemistry42以及临床试验结果预测平台InClinico。发布会后，许多行业伙伴通过邮件、留言等方式提出关于Pharma.AI平台的专业性问题。在内部团队讨论之后，英矽智能谨对部分问题做出了答复，供读者参考。点击视频查看发布会精彩回放Q1inClinico经历过数据有效性验证吗？inClinico是经过验证的。从英矽智能成立以来，inClinico研发项目就在进行中，目前已经采用英矽智能独创的“时光机验证法”对其有效性进行了回顾性验证或者准回顾性验证。具体来说，“时光机验证法”就是以某一个时间点为分界，将数据分为测试组和检验组。将该时间点前的数据输入AI引擎，得出预测结果，并与该时间点之后的真实数据对比，以检验预测准确度。此外，英矽智能还通过与对冲基金、大型制药公司等机构的合作，对inClinico在公开信息、学术文献、临床试验解读等方面的性能进行了验证。相关结果显示，inClinico的预测准确率可以达到80%。其他方面的数据不方便透露，但inClinico预测效果肯定是高于基线水平的，这点毋庸置疑。Q2Pharma.AI平台是如何降低药物研发行业门槛的呢？是否有试用？没错，英矽智能确实在致力于降低药物研发的门槛，让所有人都能参与到这个宏大的行业中来。举例来说，Pharma.AI平台中的PandaOmics目前已经赋能了癌症、纤维化、免疫等多个领域的靶点发现，助力了医疗药企、学术机构，甚至高中学生的研究项目。访问公司官网上的Pharma.AI对应页面，即可申请试用。Q3作为预测临床试验结果的平台，inClinico包含多少临床试验数据？整体而言，inClinico平台包括18万项临床试验相关数据，涵盖小分子、靶向小分子等多个领域，同时还有明确的调节机制，以此确保预测结果的准确性。详细来说，进行回顾性时光机验证的时候，验证组数据包含的临床试验数据在1000项左右；在真实回顾性验证时，大概是100-300项左右。Q4PandaOmics平台是如何实现多组学数据分析的？为满足多维度评估靶点发现的需求，PandaOmics平台集成20+算法模型、60+计算规则，利用公开可获取的文献资料和自有数据库，对基因数据、动态基因表达、代谢组学、表观遗传学特征、蛋白质相互作用等方面进行分析后，得出靶点综合评分，辅助靶点发现决策。过去八年来，在外部反馈和药企合作和助力下，PandaOmics经历了真实数据和真实环境的考验，不断更新进步。另外，英矽智能正在搭建的机器人自动化实验室，也会和Pharma.AI线上平台打通，通过自有的样本分析、图像识别等能力继续丰富平台数据、强化平台性能。Q5制药行业最大的挑战是什么？是新颖分子发现，还是临床数据验证？从根本而言，制药行业面临的困境或许是人类复杂的生物学机制机理。以人类目前的医疗科技水平，我们对许多疾病、药物、副作用的机制都还不能准确解读。正因如此，医疗行业的发展需要更多人的努力，英矽智能开放Pharma.AI人工智能药物研发平台的授权也正是这个原因。Q6inClinico有考虑到患者招募等非技术性的因素吗？有的。在临床试验结果预测过程中，inClinico会纳入尽可能多的数据，其中包括一些偏主观的因素。举例来说，对某些中枢神经系统疾病来说，地理因素是很重要的，可能会影响到对照组的规模，进而影响临床试验成功率的预测。考虑到这一点，inClinico纳入了不同临床试验中心历史招募信息，并在此基础上做出分析和预测。另外，战略规划变更等因素也会导致临床试验的失败或者中止，要对公司高层决策做出预测是很难的，但Pharma.AI平台会对靶点未来热度进行预测，通过推荐更有潜力的靶点，降低临床试验被中止的可能性。目前，inClinico主要专注在II-III期临床试验结果的预测，尽量避免在患者招募数据缺失的情况下做出可靠性不足的预测。Q7Pharma.AI平台包含转化性临床前模型吗？比如肿瘤方面的？Pharma.AI包含一系列肿瘤领域的模型，涵盖in

Olsen在国际权威大会上分享的研究成果。而帮助Andrea跨越专业知识壁垒，在生物制药领域取得研究成果的，是一款由人工智能驱动的靶点发现平台——PandaOmics™。PandaOmics™

选药物，聚焦癌症、纤维化、传染性疾病、神经退行性疾病等未被满足医疗需求领域，推进并加速创新药物研发。更多信息，请访问网站: