Iktos首席执行官谈AI药物发现新趋势：从纯计算转向实验室融合

在今年的摩根大通医疗保健会议上，关于AI药物发现的讨论重点聚焦于如何从纯粹的计算机药物发现操作转向能够迭代整合湿实验室数据的现实世界操作。

这说起来容易，但要真正实现需要创新新的流程和基础设施。在会议期间，pharmaphorum的Jonah Comstock采访了AI药物发现公司Iktos的创始人兼首席执行官Yann Gaston-Mathe。该公司刚刚与施维雅签署了价值10亿欧元的合作协议，将这项技术付诸实践。

在这次来自摩根大通医疗保健会议的快速报道中，Gaston-Mathe描述了AI药物发现的这一转变趋势，解释了为什么需要这样的转变，以及实现这一转变需要什么条件。他还分享了为什么施维雅和Iktos是理想合作伙伴的见解。

Gaston-Mathe表示："你需要思考如何在体外实验世界和计算机模拟世界之间的转换过程中提高效率。仅仅基于现有数据构建是不够的。"

AI药物发现的发展趋势

传统的AI药物发现主要依赖纯计算方法，通过计算机模拟来识别潜在的药物候选物。然而，这种方法存在局限性，无法充分反映真实生物系统的复杂性。

新的发展趋势要求AI药物发现平台能够有效整合湿实验室产生的真实数据。这种结合可以创建更准确的预测模型，提高药物发现的成功率。

实现转变的关键要素

要实现从纯计算到实验室融合的转变，需要建立新的工作流程和技术基础设施。这包括开发能够处理和整合不同类型数据的平台，以及建立支持迭代实验设计的系统。

成功的关键在于提高体外实验和计算机模拟之间转换的效率。这需要深入理解两个领域的特点，并建立有效的数据流动机制。

合作案例分析

Iktos与施维雅的10亿欧元合作协议代表了这一趋势的重要里程碑。这种合作模式展示了AI技术公司与传统制药企业如何结合各自优势，推动药物发现创新。

这类合作关系的成功取决于双方在技术能力、研发理念和战略目标方面的匹配程度。合适的伙伴关系能够加速新技术的实际应用和商业化进程。

Q&A

Q1：什么是AI药物发现从纯计算向实验室融合的转变？

A：这是指AI药物发现从纯粹依赖计算机模拟转向能够迭代整合湿实验室真实数据的操作模式。传统方法主要通过计算机识别药物候选物，而新趋势要求AI平台能够有效结合实验室产生的真实生物数据，创建更准确的预测模型。

Q2：Iktos与施维雅的合作有什么意义？

A：Iktos与施维雅签署的10亿欧元合作协议代表了AI药物发现领域的重要里程碑。这种合作展示了AI技术公司与传统制药企业如何结合各自优势，推动药物发现创新，加速新技术的实际应用和商业化进程。

Q3：实现AI药物发现转变需要什么条件？

A：需要创新新的流程和基础设施，包括开发能够处理和整合不同类型数据的平台，建立支持迭代实验设计的系统。关键是提高体外实验和计算机模拟之间转换的效率，建立有效的数据流动机制，而不能仅仅基于现有数据构建。