写道：
执行主任，数据科学和定量生物学，发现科学，研发
基因组分析和生物信息学的VP和头部，基因组学研究中心，发现科学，研发
人工智能（AI）迅速转向科学事实。自动驾驶汽车只是一个以前不可想象的技术的一个例子，它看起来旨在利用数据科学和AI来彻底改变我们的目标。AI还有可能改变我们发现和开发潜在的新药的方式。
在As欧洲杯微信买球trazeneca，我们正在使用数据科学和AI，并在研发中进行整理，连接和分析不同的数据和信息。这将有助于我们更好地了解疾病，鉴定患有更高的成功概率，招募和设计更好的临床试验的药物目标，以及我们希望，最终加速我们设计，开发和制作新药物的方式。
我们的工作致力于更好地了解疾病的基础，使Astazeneca能够找到新的治疗方法，预防，修饰和最终甚至治愈疾病。欧洲杯微信买球这与更具数据驱动的文化相结合，有可能真正改变我们的科学方式。菠菜最稳定的平台以下是我们在日常工作中使用数据科学和AI的一些方式，帮助我们追求推进科学来创造潜在的创新药物：
通过知识图形建立疾病的理解
如果您曾问过谷歌或Alexa一个问题，您将使用知识图表。它们是令人难以置信的信息图书馆，可以发现数千个不同来源之间的连接，以找到您所需的答案。
每年，研究人员提供的科学信息和数据的纯粹金额增长。在As欧洲杯微信买球traZeneca，我们现在开始利用这些庞大的科学数据事实网络，为我们的科学家提供他们需要基因，蛋白质，疾病和毒品的信息以及他们的关系 - 他们如何互动，共同努力或互相互相工作。
通过使用AI和机器学习将信息与多个来源组合，我们希望得出比我们通过人类的所有这些数据分析所有这些数据的结论。AI也有可能找到以前未开发的模式，这对人眼没有立即显而易见，我们希望导致对疾病的新了解和我们设计的毒品来对待它们。
我们的知识图允许研究人员询问关于基因，疾病，药物和安全信息的关键问题，以帮助识别和优先排序药物目标。而且，随着我们的数据和知识继续发展，我们的图表也将是每一个新实验都会受益于之前学识的一切。
最终，我们想开发个性化知识图表，以便在合适的时间将正确的信息带给正确的科学家，以便每个人都可以在推进我们的理解方面发挥作用。
用大数据和AI推进基因组学研究
我们的基因组学研究中心（CGR）队伍正在努力将多达2000万基因组序列分析到2026年。获得这一丰富的信息意味着我们希望识别可能的基因组的那些变体，基因，途径或其他部分引起疾病，预测其进展和对治疗的反应。所有这一切，综合使用知识图形，旨在帮助我们更好地了解疾病以及它们的工作方式，识别新的药物目标和设计更好的临床试验。
通过获得数十万个Exome序列，我们的专家团队已经开发了定制的分析框架，以研究人类疾病的遗传底划。来自CGR的洞察力目前包括识别候选药物目标，探索重新定位机会，利用人类安全评估的自然遗传变异，了解基于人口基因组学的市场机会，并进行实时人类遗传验证/无效目标命题。
与专家申请耦合的这种基因组学数据正在使我们的团队能够专注于分析和解释要提前科学的数据。例如，我们正在建立新的机器学习和基于深度学习的方法，以更客观地优先考虑可能导致疾病的基因组或其他部分。
使用AI从每个实验中获得最大
CRISPR基因编辑技术在药物发现中起着重要作用。我们可以在功能基因组学筛选中使用该技术，以顺序删除基因组中的每个基因，以便在生物学中发挥什么作用。在癌症研究中，我们使用CRISPR来鉴定删除时的基因，导致对我们癌症药物的抵抗或敏感性。
为了充分利用每个实验，我们正在培训机器学习和深度学习模型，以提高我们对数据的信心并分析CRISPR屏幕的基于成像的输出。这可以增加屏幕上可获得的信息，并帮助我们更快地获得答案。
超越疾病理解
数据科学和AI对Astrazeneca的重要性并不局限于疾病的理解。欧洲杯微信买球AI已经嵌入我们的研发方面，使我们的科学家能够从我们的成像数据中看到更多来自我们的成像数据并加速临床试验的设计。
潜在的新药在发展过程中失败的常见原因是它对肝脏造成伤害。但在临床上预测肝脏毒性是挑战性的。为了解决这个问题，我们创建了采用贝叶斯学习方法的模型，即采用概率推断方法。该模型分析了许多安全实验的数据，以便预测潜在的新药可能导致肝损伤，并在所谓的后预测分布中至关重要地捕获每个估计的不确定性。这改善了决策，帮助确保只有具有可接受的副作用的药物。
这与AI的许多其他令人兴奋的申请意味着我们正在学习我们最佳利用这些新技术以及进一步自动化流程，为我们的人民做出更多的时间，从而推动科学的界限来提供改变生命的药物。
