人工智能用于药物发现中的高含量成像
Jordi Carreras-Puigvert1, Ola Spjuth1
1Department of Pharmaceutical Biosciences and Science for Life Laboratories, Uppsala University, Sweden.
Current opinion in structural biology
|May 26, 2024
概括
人工智能 (AI) 和高内容成像 (HCI) 通过分析细胞数据来加速药物发现. 人工智能增强了复合分析和选,尽管数据质量和验证对其成功至关重要.
科学领域:
- 生物技术是生物技术.
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 深度神经网络正在推动人工智能 (AI) 的发展.
- 高含量成像 (HCI) 为生物研究产生大型数据集.
- 人工智能和HCI的整合为药物发现和开发提供了新的途径.
研究的目的:
- 审查人工智能在分析用于药物发现的HCI数据中的作用.
- 突出人工智能驱动的无标签和光选方法的进步.
- 讨论AI在复合分析和表型查中的潜力和挑战.
主要方法:
- 使用人工智能对固定细胞和活细胞成像HCI数据的分析.
- 开发利用AI和HCI的新选方法.
- 利用来自快速和经济高效的HCI实验的大数据集进行AI模型培训.
主要成果:
- 人工智能可以实现新的无标签和多通道光选.
- 人工智能提高了复合分析的准确性和效率.
- 尽管存在数据管理方面的挑战,但人工智能为模型培训提供了大规模数据积累的便利.
结论:
- 人工智能和HCI是推动药物发现的强大工具.
- 高质量的数据,可复制性和验证对于人工智能的成功至关重要.
- 未来的AI发展,包括可解释性和多模式集成,将进一步增强AI在药物发现中的作用.
