人工智能药物发现（AI Drug Discovery）的技术方法涵盖多个领域，核心是通过机器学习、深度学习等算法处理生物医学数据，辅助或自动化药物研发流程。以下是主要技术方法的分类和应用场景： 一、基于结构的药物设计（Structure-Based Drug Design, SBDD） 1....

人工智能药物发现（AI Drug Discovery）是指利用机器学习、深度学习、自然语言处理（NLP）、计算机视觉等人工智能技术，辅助或加速药物研发全流程的过程，涵盖靶点识别、药物设计、化合物筛...

药明生物微调的 NLP 工具理论上可应用于 需要处理大量文本数据、挖掘复杂医学特征的疾病领域 ，尤其在慢性...

药明生物基于开源大模型 Meta Llama 3 微调的 NLP 工具，在自身免疫病和肿瘤疾病等领域的临床试验中有所应用 1 。 在自身免疫病领域，如某自身免疫病药物的 III 期临床试验中，该工具通过分析全球 10 万 + 电子健康记录（EHR）与文献数据，精准筛选患者亚群...

药明生物微调的 NLP 工具在临床试验加速方面有以下应用： 精准筛选患者亚群 ：分析全球 10 万 + 电子健康记录（EHR）与文献数据，结合自研的临床表型图谱模型，精准定位符合临床试验要求的患者群体。例如在某自身免疫病药物的 III 期临床试验中，使入组时间...

药明生物微调的 NLP 工具实现精准筛选患者亚群主要通过以下步骤： 数据收集与整合 ：收集全球 10 万 + 电子健康记录（EHR）以及大量的文献数据，这些数据包含了患者的基本信息、症状表现、检查检验结果、疾病诊断、治疗过程等多方面的详细信息。同时，整合药...

药明生物基于开源大模型微调的 NLP 工具主要是基于 Meta Llama 3 等开源框架进行微调的 1 2 。这些工具在药物研发中有着重要作用，具体如下 1 ： 精准筛选患者亚群 ：可以分析全球 10 万 + 电子健康记录（EHR）与文献数据，结合药明自研的临床表型图谱模型，...

药明生物的 AI 模型在药物研发全链条有广泛应用，其核心成果聚焦于抗体设计、工艺优化、临床试验加速等领域 3 。在心血管疾病药物研发方面，虽没有像在肿瘤、自身免疫病等领域那样有详细公开的特定模型应用案例，但可以推测其相关模型可能的应用方式如下 4...

药明生物有多个模型被应用于特定疾病领域的药物研发，以下是一些具体例子 1 ： WuXi ProDesign ：在肿瘤疾病领域应用显著。例如针对癌症靶点 PD - L1/CTLA - 4 双抗，2 个月内生成 30 种候选分子，其中一款分子（项目代号 WB - 203）进入临床前研究，较上一...

药明生物基于英伟达 BioNeMo 平台开发了多个相关模型，以下是一些主要模型及其介绍： WuXi ProDesign 1 ： 模型定位 ：专注于抗体与蛋白药物设计的生成式 AI 模型。 训练数据 ：基于药明生物积累的实验数据与英伟达 BioNeMo 平台训练。 功能作用 ：可预测蛋...