- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户7627119的专栏
2021年全球最贵药物TOP10
近日，美国药品价格跟踪网站GoodRx公布了全球10大最贵药物榜单。 同时，整体来看TOP10主要以罕见病药物为主。 Myalept是首个获批用于治疗该罕见疾病的药物，也是控制该病的唯一治疗方法。 在每个阶段，患者需要使用不同数量的药物，但通常每年需要使用约168瓶。 10、Soliris Alexion的Soliris于2007年3月获得FDA批准上市，用于治疗成人和儿童阵发性睡眠性血红蛋白尿症（PNH），随后又被批准用于非典型溶血性尿毒症综合征（aHUS）。
1.2K10编辑于 2022-09-21 - 来自专栏智药邦
Nat Rev Drug Discov｜2024年全球药物销售TOP10榜单预测
英国伦敦Evaluate的副总裁Paul Verdin在Nature Reviews Drug Discovery发表文章Top product forecasts for 2024，对2024年全球药物销售前十名做了预测 表1 2024年全球畅销药TOP10榜单预测 如果说2024年排名第一的产品可以从去年的排名表中预测出来，那么排名第二的产品可能就不是这样了。 在新进入者之外，吉利德科学的Biktarvy（比特格韦、恩曲他滨和替诺福韦阿拉菲酰胺）是一种治疗艾滋病的抗病毒药物组合疗法，排名上升至第五位，百时美施贵宝/辉瑞的血液稀释剂Eliquis（阿哌沙班）排名上升一位 其中包括辉瑞的抗病毒药物 Paxlovid（nirmatrelvir 加 ritonavir）和 Moderna 的疫苗 Spikevax（elasomeran）。
64110编辑于 2024-03-05 - 来自专栏数据派THU
【干货书】深度学习生命科学：药物发现与药物发现
理想的实践开发人员和科学家准备将他们的技能应用于科学应用，如生物学，遗传学，和药物的发现，这本书介绍了几个深度网络原语。
39110编辑于 2022-05-12 - 来自专栏作图丫
药物优化算法-PriorCD
该R包将药物功能相似网络和全局网络传播算法相结合，实现了对感兴趣的癌症治疗药物优先级的预测方法。此外，用户可以验证优先排序结果，并可视化得到的药物网络结构。 构建算法的主要数据有： （1）药物活性数据：60个NCI-60的癌细胞系的2000种药物的药效数据，对药效指标最大半数生长抑制浓度（GI50）进行处理，-log10(GI50)越大说明该细胞徐对药物越敏感 对这些药物的相关性结果构建网络，节点为药物，边为功能相似显著性，最终这个网络为药物-药物功能相似性网络。 评估药物相似性：Drsim 整合NCI-60癌细胞的通路活性与药物活性相结合，评估药物的相似性，构建药物功能相似网络。 Mol Oncol. 2019;13(10):2259–2277. doi:10.1002/1878-0261.12564
74442编辑于 2022-03-29 - 来自专栏生物信息与临床医学专栏
高血压药物简介
在这一期的内容中，我将和大家简单介绍高血压的常用药物。 1. 常用降压药的机制 在临床实践中，常见的高血压药物主要分为5类： （1） 利尿剂（diuretic）：代表药物有氢氯噻嗪（噻嗪类）、呋塞米（袢类）、螺内酯（保钾类）和吲达帕胺（磺胺类）等； （2） 血管紧张素转化酶抑制剂 （angiotensin-converting enzyme inhibitor，ACEI）：代表药物有卡托普利、依那普利、贝那普利和雷米普利等（都是以“普利”结尾的）； （3） 血管紧张素受体阻滞剂（ angiotensin receptor blocker，ARB）：代表药物有厄贝沙坦、氯沙坦和缬沙坦等（都是以“沙坦”结尾的）； （4） 钙离子通道阻滞剂（calcium channel blocker 高血压用药的总原则 （1） 小剂量：减少不良反应的发生； （2） 选择长效制剂：保证血药浓度稳定，使药物作用稳定持久； （3） 联合应用：联用机制不同的药物，使彼此的疗效相加，副作用相消； （4） 个体化治疗
58020发布于 2020-08-05 - 来自专栏DrugOne
Bioinformatics | 预测药物-药物相互作用的多模态深度学习框架
DDIMDL首先分别利用四种药物特征:化学子结构、靶点、酶和通道，构建基于深度神经网络的子模型，然后采用联合DNN框架组合子模型，学习药物-药物对的跨模态表征，预测药物与药物相互作用（DDI, drug–drug 首先，作者使用四种类型的药物特征来计算药物-药物的相似性，并使用它们作为药物的表征。在多层神经网络的基础上，将药物的表示分别输入子模型。 使用早期停止策略，如果在10个epoch内没有观察到任何改进，则自动停止训练。 4 实验和结果 4.1评价标准 在DDI预测中，研究者通常关注三个任务。 对于task 2和task 3，作者将5-CV用于药物而不是DDI对。作者将药物随机分成五组，其中四组作为训练药物，其余的作为测试药物。 对于task 2，我们在训练药物之间的DDIs上建立预测模型，然后对训练药物和测试药物之间的DDIs进行预测。任务3在训练药物之间的DDIs上建立预测模型，然后对测试药物之间的DDIs进行预测。
2K80发布于 2021-02-01 - 来自专栏生信技能树
药物预测之认识表达量矩阵和药物IC50
Contributors: Danielle Maeser Robert Gruener Date created: 2021-03-26 01:39 PM | Last Updated: 2021-08-15 10 :44 PM 下载约700M，重要的文件 如下所示； 171M Aug 14 17:10 CTRP2_Expr (RPKM, log2(x+1) Transformed).rds 177M Apr 比如设计 0.01，0.1，1，10，100 这样的药物梯度 发现从浓度1开始可以杀死癌细胞啦，所以我们就认为IC50是 0.5（一般来说不太可能出现浓度更高反而杀不死癌细胞的反常情况） 可以看到，浓度 405.44 388.50 925.43 [9,] 2859.17 413.01 471.66 939.02 [10 " [9,] "Acetalax" "Selumetinib" "Doramapimod" "PFI3" [10
5.8K20发布于 2021-10-12 - 来自专栏DrugOne
DPDDI：用于药物-药物相互作用的深度预测器
作者开发了DPDDI模型，在不考虑药物化学和生物特性的情况下，仅使用药物-药物（DDI）网络作为输入，便可预测潜在的DDI，还可用于检测药物副作用、指导联合用药等。 GCN通过获取DDI网络中药物的拓扑关系来学习药物的低维特征表示。DNN预测器将任意两种药物的潜在特征向量串联起来作为对应药物对的特征向量，通过训练模型，来预测潜在的药物-药物相互作用。 用于评估模型的健壮性，包括1934种药物和230,887个已注释的药物-药物相互作用。 CE使用了9个药物相关的数据源，而DPDDI仅使用了已知的药物-药物相互作用数据，如果整合更多的药物相关的数据源(如药物亚结构、药物靶点、药物酶、药物转运体、药物途径、药物适应症、药物副作用和药物副作用等 )去构建药物-药物相似度网络。
1.9K60发布于 2021-02-02 - 来自专栏DrugScience
2020 年FDA药物总览
神经类药物（Neurology products ）占据第二位，有8种药物获批（占总体15%）。传染病类药物排在第三位，有6种药物获批（占据总体的11%）。 基于抗体治疗的12种药物获得批准，与2018年是此类产品的历史新高。过去五年内每年批准10种。相比之下，2006年至2010年期间，FDA每年仅批准两种新抗体。 FDA5月份首次批准了瑞德西韦（remdesivir）的使用，并于10月份完整审批了该药。 分析师预测，到2026年，该药的销售额将达到10亿美元。 礼来的首个RET-选择性激酶抑制剂，selpercatinib获的批准。 到5月，FDA已经批准了它的紧急使用授权，允许分发未经批准的候选药物。10月，FDA基于一个NIH赞助的试验和两个Gilead赞助的试验的基础上批准了该药。
1.4K20发布于 2021-03-04 - 来自专栏DrugOne
量子药物发现的未来
介绍 每个人对药物都具有个体差异。基因差异意味着药物分子与我们的身体具有独特的相互作用，从而导致有效性和副作用之间的差异。平均而言，药物开发需要12年时间和超过10亿英镑来开发每种新药。 此外，对于实验室中每确定10到20种药物，只有一种药物会到达患者手中，而其他药物则会在此过程中失败。一旦发现潜在的候选药物，将对其进行开发，以最大限度地提高整个人群的益处并最大限度地减少副作用。 当前药物开发的问题 2020 年，FDA 批准了 53 种药物，是过去 20 年中批准药物数量最高的之一。 使用传统方法将其模拟到化学精度将需要一台地球大小 1-10% 的计算机：理论上可行，但几乎不可行。模拟更大的青霉素分子将要求进一步扩展到可观测宇宙大小的计算机。 理论工具的改进大大降低了执行此类模拟所需的要求：据估计，在 2017 年，这将需要 2 亿个物理量子位，并在数月内以 10⁻³ 的错误率计算。
76920发布于 2021-10-11 - 来自专栏智药邦
Nat Rev Drug Discov｜2021年制药公司和药物的销售额Top10
2022年3月11日，Nat Rev Drug Discov发表文章，简要回顾了2021年制药公司和药物的销售额Top10。 以下是全文内容。 COVID-19不仅改变了全球医疗保健的格局，也改变了药物开发商的旧世界秩序。 图1 | 2021年销售额最高的公司和药物。a | 按处方药和非处方药销售额排名前十的公司。b | 按销售额排名前十的药物。资料来源：EvaluatePharma。 尽管百时美施贵宝拥有前 10 种最畅销药物中的三种，但它在排行榜上的排名并没有提升。此外，由于多发性骨髓瘤重磅炸弹的专利开始到期，预计今年最畅销的 Revlimid（来那度胺）的销售额将下降。 虽然Bristol最大的产品 Opdivo (nivolumab) 不太可能赶上 Keytruda，但它仍然排在前 10 位，并且越来越多的围手术期使用可以帮助它重新夺回在转移性癌症中输给默克 (Merck
52220编辑于 2022-04-13 - 来自专栏智药邦
TMR｜未来10年全球AI药物发现市场将以36.1%的复合年均增长率增长
人工智能的实施减少了药物制造过程中的研发差距，有助于更有针对性地制造药物。 在产品方面，药物发现市场的全球人工智能已分为软件和服务。软件在2020年占全球市场的主要份额。 已广泛用于药物发现的机器学习算法包括随机森林 (RF)、朴素贝叶斯(NB)和支持向量机(SVM)以及其他方法。 从药物类型来看，全球人工智能药物发现市场已经分为小分子和大分子。 小分子药物作为治疗药物具有一些明显的优势，大多数小分子药物可以口服给药并通过细胞膜到达细胞内靶点。 AI可以帮助研究人员了解癌细胞对抗癌药物产生抗药性的机制，机器学习等人工智能技术可以作为现有抗癌药物研究的催化剂。旨在识别基因突变的人工智能平台帮助肿瘤学家为患者设计有效的个性化治疗。 根据美国国家慢性病预防和健康促进中心的数据，美国每10个成年人中有6个患有慢性病，人工智能系统在美国得到广泛采用，尤其是在医疗保健领域。
75710编辑于 2021-12-21 - 来自专栏DrugOne
药物设计的深度学习
与传统的机器学习（machine learning, ML）算法相比，DL方法在小分子药物发现和开发方面还有很长的路要走。对于DL研究的推广和应用，例如小分子药物研究和开发，还有很多工作要做。 现代计算机辅助小分子药物发现和开发中，ML方法，特别是传统学习方法被广泛用于构建预测模型，如定量结构-活性关系（QSAR）模型和定量结构-性质关系（QSPR）模型 等等。 在药物开发领域，使用Merck活性数据集的Merck Kaggle挑战以及使用其基准数据集的Tox21挑战极大地加速了ML方法在QSAR / QSPR研究中的应用。 四、深度学习在小分子药物设计中的应用 计算化学的三个主要领域已经报道了DL模型预测药物-靶标相互作用，产生新的分子，并预测转化研究的吸收、分布、代谢、排泄和毒性。 总体而言，小分子药物发现将变得越来越复杂。专为复杂的模拟而设计，DL应该有能力处理这种复杂性。
1.3K50发布于 2021-01-29 - 来自专栏DrugOne
IEEE TPAMI | 多属性判别表示学习预测药物-药物间不良反应
1 引言 根据世界卫生组织的说法，药物不良反应被认为是临床用药期间个别药物或联合用药引起的不良或危险的影响，每年造成约3.6%的住院病例和10万例死亡。 这样，可以通过Wm得到第m个属性的代表性药物和它的判别特征，并根据所选择的药物和特征导出药物对的重构属性表示。在这里，我们首先采用sum-pooling运算得到药物和特征的选择索引。 4 数据集 从数据库DrugBank, KEGG, SIDER, CTD得到八种药物属性： 作者收集了N=567种药物，包含1,188,258 ADDI药物对，每一对药物间存在K=258种相互关系。 ，用于预测药物-食品和药物-药物的相互作用； BSNMF：使用药物分子结构的平衡矩阵分解模型； CAST：一种表示学习模型，利用药物的分子子结构预测ADDI； SMLS：基于多属性相似度的大规模ADDI 、药物-蛋白质相互作用和药物副作用信息进行ADDIs的预测。
63310编辑于 2022-03-25 - 来自专栏智药邦
网络驱动的药物发现
1 目标 药物发现的一个主要问题是人类生物学的复杂性。药物发现的核心目标是找到能够有效调节目标生物过程，同时对其他过程几乎没有影响的治疗药物。 早期药物发现中需要新的、基于系统的方法 许多观察结果强调了在早期药物发现中需要新的、基于系统的方法： 分析多个药物发现项目的成功和失败得出的结论是，大量晚期临床失败的原因，是不正确或无效的生物学靶点。 从寻找能够影响表型的药物，到寻找能够扰乱潜在的、基于网络机制的药物，这种概念上的转变有许多影响。 3.1 网络识别 网络驱动的药物发现方法的第一阶段是制定干预策略假设。 药物发现的目的是找到能够显著扰乱目标表型所依据的强大网络的药物。 这也意味着潜在的药物靶点不需要是负责目标生物功能的网络的一部分 (尽管它们显然可以在一定距离内影响它)。药物可以通过信号或代谢途径产生”远距离作用"，将药物结合事件转化为下游功能效应。
69610编辑于 2022-06-08 - 来自专栏DrugOne
IJCAI2020 | 知识图神经网络预测药物与药物相互作用
在本文中，作者提出了一个称为知识图神经网络（KGNN）的端到端框架，以预测药物与药物相互作用（DDI）。 KGNN框架可通过在知识图谱（KG）中挖掘与药物关联的实体关系，以有效地获取药物及其潜在的邻居实体信息。 1 介绍 当一种药物与另一种或多种药物合用时，通常会发生药物相互作用（DDI），这可能导致许多不良药物反应（ADR），甚至造成伤害或导致死亡。 在第三步中，为预测药物对之间的相互作用，KGNN输出药物的潜在表示及其当前药物对之间的邻域拓扑信息。然后，KGNN计算它们之间的得分函数，并输出相互作用的预测值。 4 结论 在这项工作中，作者提出了KGNN，一个新颖的知识图神经网络模型预测药物与药物相互作用。
1.1K60发布于 2021-02-01 - 来自专栏ATYUN订阅号
AI算法从零开始设计药物分子，可加速新药物的设计
北卡罗来纳大学开发新的AI算法，可以教会它从头开始设计新的药物分子，并有可能大大加速新药物的设计。 ReLeaSE是虚拟筛选的一项强有力的创新，虚拟筛选是制药行业广泛用于识别可行候选药物的计算方法。虚拟筛选允许科学家评估现有的大型化学库，但该方法仅适用于已知化学品。
56820发布于 2018-08-16 - 来自专栏DrugOne
AI设计药物，泡沫还是未来？
原文标题：又被鼓吹AI药物设计的文章吵醒 作者：0ut0fcontrol ，北京生命科学研究所 | 博士研究生 2020年5月21日早上看到一篇文章“人工智能正在永远改变药理学”, 佐证是另一个 AI设计的药物DSP-1181(BBC NEWS | AI设计的新药分子首次进入临床试验)。 药物开发大约需要5年才能开始试验，但DSP-1181仅用了一年。那么，开发团队如何如此迅速地生产它？
92470发布于 2021-02-02 - 来自专栏智药邦
云计算提速人工智能辅助药物发现，药物研发全面步入“AI时代”
因此，也就不难理解近年来日渐成熟且炙手可热的人工智能辅助药物发现 (以下称AIDD: AI Drug Design) 为何在短短数年间就从萌芽发展到几乎参与从药物靶点发现到临床试验等药物研发的全流程。 由此预示着药物研发正全面步入 “AI时代” 。 AIDD带来药物研发大提速 新药研发一直是人类科研领域中极具风险和复杂度、且耗时最漫长的技术研究领域之一。 根据《自然》（Nature）杂志的数据显示，一款新药的整体成本大约是26亿美元，耗时约10年，成功率却不到十分之一。 云计算推进AIDD成为常态化工具 2021年，亚马逊云科技客户、AI药物研发公司英矽智能宣布了全球第一款由AI发现并设计的用于特发性肺纤维化治疗的候选药物已进入临床试验阶段。 而且MELLODDY在企业无需共享专有数据和模型的基础上即可开展机器学习协作，合作训练药物发现模型。这一项目成功证明了制药企业可通过云计算进行合作来加速发现新药物的可行性。
76030编辑于 2022-11-16 - 来自专栏生信菜鸟团
药物发现 | 基于人工智能的胰腺癌协同药物组合发现
对32种化合物的所有可能两两组合进行筛选，通过滴定生成10×10矩阵，产生了包含496种组合的建模数据集。 进行重复检测使得能够分析多个协同效应指标的检测结果可重复性（补充表1）。 对88种独特组合的实验测试涉及在PANC-1细胞系检测中的重复测量，使用滴定法生成10 × 10剂量-反应矩阵，类似于为机器学习训练生成数据。 这32种化合物产生32×31/2 = 496种组合，每种组合在10 × 10矩阵中进行测试，包含九个1:2的连续稀释。 每种化合物的浓度范围是单独选择的，以使它们的IC50大致位于该范围的中间。 训练数据的生成和机器学习预测的验证均使用了PANC-1细胞系的10 × 10实验程序，并进行重复。 为了评估我们的方法，我们将胰腺癌组合数据集分为训练集（80%）、验证集（10%）和测试集（10%） Para_02 重要的是，在对ComboNet的这种改进中，我们省略了药物-靶点相互作用数据，这与最初的设想不同
39510编辑于 2025-06-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号