IDBS 博客加速药物发现。测试样本的妇女。数字背景。

IDBS 博客 | 2024 年 1 月 31 日

加速药物发现和开发的三个技巧

加速药物发现。测试样本的妇女。数字背景。

作者:IDBS 高级数据科学家 Daniel Tabas

也许有人会问,2022 年在技术方面投资近 $58 亿美元的行业是如何做到的?1 在发现新疗法的过程中,制药实验室仍然严重依赖陈旧的手工流程和孤立无序的数据,以推动这些疗法的开发和商业化。

精明的研究人员开始发掘 机器学习 (ML)、人工智能 (AI)、 数字双胞胎 通过使药物生命周期内的数据更易于访问,加速药物发现和开发,从而提高药物分析和其他高级分析的效率。2 但是,只有建立在数据基础之上,这些系统才能发挥最大作用。麦肯锡公司认为,改进决策可以使药品上市速度加快 500 天,成本降低 25%。3

COVID-19 疗法的上市速度向制药业表明,开发时间确实可以缩短。开发速度是一个新术语,用来定义一种疗法从发现到开发再到商业化的速度。1 麦肯锡称,"从候选提名到研究性新药的空间为加速药物开发提供了一个独特的机会"。3 通过数字技术和先进的分析方法,可以加快实现这一目标。1,3

在最近一期的 实验室经理,2 IDBS 公司数据科学与分析总监 Alberto Pascual 博士建议 数字分析系统 可以帮助加速发现,并为实验室管理者提供了以下三个因素,供他们在采取以下措施时考虑 数字化转型 加速药物发现和开发的旅程。

1.诚实对待数据,最大限度地加速药物发现

在开始考虑数字技术之前,重要的是要真正了解您的数据是什么样子的,是如何管理的,以及是否可以将其情景化。Pascual 指出,一家领先的 CDMO 公司花费了 95% 以上的时间来清理数据,而在对数据进行充分利用、有意义的分析和使用之前,这是一个必要的过程。这种清理数据的工作通常归因于纸质系统缺乏标准化,从而减慢了洞察和发现的速度。然而,即使已经开始数字化转型的实验室也可能会发现,他们的数据并不像想象中那么干净。事实上,数据架构可能缺乏成功决策或满足监管要求所需的背景。

他建议实验室管理人员部署 F.A.I.R. 工具包4 用于评估数据质量和利用资产。随着生命科学行业不断进行数字化转型,F.A.I.R.力求确保数据可查找、可访问、可互操作和可重复使用。对数据(尤其是存档数据)进行更有效的管理和协作,可以增强开发能力,加快药物发现和创新。5

对于实验室来说,这可以转化为在药物的整个生命周期中连接仪器、实现数据标准化和集中存储数据。2 一位 CDMO 向 Pascual 介绍说,在药物发现的早期阶段,有关药物分子的数据交换可能很简单,但当药物进入 IND 阶段时,收集的数据就会非常庞大,并形成完整的信息档案提交给监管机构。这就是数字骨干网的作用所在,例如 IDBS Polar,6 IDBS Polar 可以安全地管理药物在整个开发生命周期中的进展,收集、构建和组织来自所有工艺和操作活动的数据,以加快对早期产品和工艺的深入了解。IDBS Polar 平台有助于准确执行工艺,并捕获设备和仪器数据,生成以工艺为中心的数据主干。

2.让科学家引领数字化转型之旅

到 2030 年,全球制药业在数字化转型方面的支出预计将达到 $45 亿美元。7 由于有望节省 50% 的测试时间和提高 20% 的开发速度,预计到 2030 年,大型制药公司对数据分析的投资将增至 12 亿 TP25T。8 帕斯夸尔说,尽管有加速药物发现的机会,但实验室科学家仍持怀疑态度,因为技术更多的是惠及实验室外的利益相关者,而不是实验室本身。

此外,以前的数字化应用往往成为信息技术项目,因为其目标仅仅是为了记录而捕捉和存储信息。如今,目标要广泛得多:构建数据结构,利用新的分析和统计方法解决科学问题。帕斯卡尔说,这要求生命科学研究人员从一开始就参与进来。"他写道:"一个新的药物实体是由过程数据和数据定义的;一个能很好地为工作台科学家服务的工具是必须具备的。

大型生物制药企业通常依赖 IT 来管理数据分析,而小型企业除了基本的 IT 支持外,通常甚至没有数据科学或分析功能。在这两种情况下,科学家往往无法从分析计划中获益。相反,具有前瞻性的生命科学组织将确保负责数据计划的人员对科研人员负责。帕斯夸尔建议,在规模较大的公司,这可能涉及到信息技术小组与研发部门在数字化转型过程中的嵌入。规模较小的企业可以创建一个由信息技术人员和科学家组成的跨职能团队。

一位知名的 CDMO 指出,要让团队接受新的 IT 解决方案,就必须认识到它对整个公司的益处。9 而且,该公司制药科学家的早期投入对 IDBS 产品的成功实施至关重要。因此,该公司知识管理系统项目组负责人发现,"工作台上的人非常喜欢使用它"。 9科学家的满意度对数字工具的成功至关重要。

3.依靠高级分析揭示深刻而实用的见解

让科学家加入数字化转型团队将确保实现正确的目标。数字化转型将揭示有关流程和运营的深层和 "常识性 "见解,使企业更加以数据为中心。据麦肯锡公司称,深入洞察的形式可以是生物过程和药物的预测建模。通过利用分子和临床数据的多样性,预测建模可以识别出新的潜在候选分子,这些分子很有可能被成功开发成药物。10 这些数据不再由各部门各自为政地保存,而是可以通过电子方式采集,并在内部的发现和临床开发之间以及外部的合同研究组织 (CRO) 或 CDMO 之间轻松流动,以进行实时和预测性分析。10

常识性的洞察力也同样有价值。帕斯夸尔讲述了一位科学家的常识性目标:"哪些分子不会起作用--这样我们就可以停止在它们身上浪费时间"。如果这位科学家不是数字应用团队的一员,那么这个目标可能根本不会被考虑。

与实验室科学家合作实施数据骨干网以支持未来目标至关重要。这将确保数据与上下文相符,并可与其他数据集和其他部门互操作。一个经过精心整理的高质量数据骨干网,如 IDBS Polar,6 确保数据的完整性、可访问性和可重用性。IDBS Polar 可无缝捕获来自系统、仪器和流程的数据,促进基于模型的洞察力,加快药物发现和开发。

节省一半的发现时间

帕斯夸尔说,这三个步骤在实现数字化转型的道路上至关重要,而加速药物发现仍然是我们的目标。业内专家认为,人工智能和 ML 的进步将使这一目标成为现实。正在进行的有关部署这些先进技术的研究显示,这些技术有可能节省时间。例如,波士顿咨询公司(BCG)发现,发现和临床前阶段平均需要六年时间。BCG 对 20 家人工智能密集型制药公司 10 年间的研究管线进行了研究,发现其中有 5 种候选药物在历史时间内进入了临床试验阶段。在另一项研究中,BCG 和研究资助方惠康公司发现,人工智能可以在药物发现直至临床前阶段节省 25-50% 的时间和成本。11

然而,从发现到商业化后的知识获取和转移仍然是生物制药行业面临的最大挑战之一。采用像 IDBS Polar 这样高度情景化的骨干网,并嵌入人工智能/ML,通过建模和仿真提供洞察力和端到端分析,从而做出更准确的数据驱动型决策。12 这些完整的上下文数据与先进的分析技术相结合,消除了对 "成功 "数据的偏见,从而促进创新,加快药物发现和开发。

 

如果您喜欢这篇博文,请阅读丹尼尔-塔巴斯的更多文章.

机器学习改变生物制药生命周期的六种方式

 

 

关于作者

Daniel Tabas - 实现加速药物发现和开发的三个技巧丹尼尔-塔巴斯(Daniel Tabas)是美国国家科学研究院数据科学与分析小组的高级数据科学家。 IDBS.他是一名计算机科学家,拥有生物信息学博士学位,专攻数据科学、 分析 和人工智能领域,并在生物医学/生物制药领域拥有广泛的经验。在马德里康普顿斯大学获得计算机科学学士学位后,他加入了西班牙国家生物技术中心,在那里的一个核心设施小组工作,同时完成了生物信息学博士学位。后来,他在珀金埃尔默公司担任首席人工智能工程师。 

 

 

参考资料

  1. 福布斯技术委员会。(2023 年,3 月 10 日)。加速 药物开发 跟上药物发现的步伐。福布斯》。取自 [https://www.forbes.com/sites/forbestechcouncil/2023/03/10/accelerating-drug-development-to-keep-pace-with-drug-discovery/?sh=34901405a5da]
  2. 实验室经理。(n.d.).有效的数据管理:加速药物发现和开发的关键。取自 [https://www.labmanager.com/effective-data-management-key-to-accelerating-drug-discovery-and-development-29553]
  3. 麦肯锡公司。(n.d.).追求卓越的新药开发。取自 [https://www.mckinsey.com/industries/life-sciences/our-insights/the-pursuit-of-excellence-in-new-drug-development]
  4. 皮斯托亚联盟。(n.d.). 公平 实施。取自 [https://www.pistoiaalliance.org/projects/current-projects/fair-implementation/]
  5. 药物发现趋势。(n.d.).利用 FAIR 数据加速研发。取自 [https://www.drugdiscoverytrends.com/accelerating-rd-with-fair-data/]
  6. IDBS.(n.d.).IDBS Polar.取自 [https://www.idbs.com/polar/]
  7. ABI Research.(n.d.).到 2030 年,制药业将花费 $45 亿美元用于数字化转型。取自 [https://www.abiresearch.com/press/pharma-industry-spend-45-billion-digital-transformation-2030/]
  8. Bamboo Agile.(n.d.)。医药数字化转型。取自 [https://bambooagile.eu/insights/pharma-digital-transformation/]
  9. IDBS.(2017年3月)。IDBS 与龙沙合作,为生物制药开发提供数字化解决方案。取自 [https://www.idbs.com/2017/03/lonza/]
  10. 麦肯锡公司。(n.d.).大数据如何彻底改变制药研发。取自 [https://www.mckinsey.com/industries/life-sciences/our-insights/how-big-data-can-revolutionize-pharmaceutical-r-and-d]
  11. 自然。(2023).人工智能如何彻底改变药物发现。自然》,599(7883),325-327。[https://doi.org/10.1038/d41586-023-03172-6]
  12. IDBS.(2021 年 6 月)。通过人工智能改变药物发现。取自 [https://www.idbs.com/2021/06/transforming-drug-discovery-through-artificial-intelligence/]
查看我们的博客,了解更多类似内容

更多新闻