Магазин
О сервисе
Услуги
Конкурсы
Авторам
Новости
Акции
Помощь
8 800 500 11 67
RUB
Сменить валюту
Войти
Поиск
Все книги
Импринты
Бестселлеры
Бесплатные
Скидки
Подборки
Книги людям
18+
Все
Медицина
Медицина: общее
Оглавление - Atlansys EUS MedPharma: Лекарство начинается с гипотезы
Искусственный интеллект, данные и эксперимент
Александр Чесалов
Электронная
800 ₽
Печатная
1 529 ₽
Читать фрагмент
Купить
Объем: 542 бумажных стр.
Формат: epub, fb2, pdfRead, mobi
Подробнее
0.0
0
Оценить
Пожаловаться
О книге
отзывы
Оглавление
Читать фрагмент
От Автора
Благодарность
Об авторе
Введение
Часть I. Научные основания и методология цифровой трансформации
Глава 1. Фармацевтическая разработка как объект цифровой трансформации
1.1 Этапы поиска и разработки лекарств и критерии перехода от активного соединения к лидеру и кандидату
1.2 Фрагментация данных и решений в исследовательских организациях
1.3 Возможности и ограничения искусственного интеллекта в фармацевтических исследованиях
1.4 Разрыв между скоростью вычислительного поиска и пропускной способностью экспериментальной проверки
1.5 Сравнение классов цифровых платформ по функциям и уровню подтверждения результатов
1.6 Постановка научной проблемы и исследовательских вопросов монографии
Выводы
Глава 2. Методология сквозного управления разработкой новых соединений
2.1 Целевой профиль будущего лекарственного продукта и требования к соединению-кандидату
2.2 Цикл «дизайн — синтез — тестирование — анализ» и уровни доказательности исследовательских результатов
2.3 Совместное использование данных, физических моделей, машинного обучения и экспертных решений
2.4 Многокритериальное принятие решений при ограниченных ресурсах и неопределенности
2.5 Критерии продолжения и прекращения проекта и правила пересмотра исследовательской гипотезы
2.6 Принципы измерения научной, технологической и организационной результативности
Выводы
Глава 2 Методология сквозного управления разработкой новых соединений
2.1 Целевой профиль будущего лекарственного продукта и требования к соединению-кандидату
2.2 Цикл «дизайн — синтез — тестирование — анализ» и уровни доказательности исследовательских результатов
2.3 Совместное использование данных, физических моделей, машинного обучения и экспертных решений
2.4 Многокритериальное принятие решений при ограниченных ресурсах и неопределенности
2.5 Критерии продолжения и прекращения проекта и правила пересмотра исследовательской гипотезы
2.6 Принципы измерения научной, технологической и организационной результативности
Выводы
Часть II. Архитектура платформы и единое пространство данных и знаний
Глава 3. Референсная архитектура Atlansys EUS MedPharma
3.1 Назначение платформы и границы автоматизации исследовательских процессов
3.2 Четыре базовые системы, восемнадцать подсистем и базовый состав исследовательских модулей
3.3 Согласование функциональной архитектуры с логическими слоями представления, интеграции, бизнес-логики и данных
3.4 Сквозные сервисы управления моделями, качеством, безопасностью и исследовательскими процессами
3.5 Контракты данных, внешние интерфейсы и обмен результатами между компонентами
3.6 Базовая конфигурация из 42 исследовательских модулей, расширения и карта зрелости компонентов
Выводы
Глава 4. Верификация и управление качеством биомедицинских и химических данных
4.1. Источники данных, условия доступа и правомерность повторного использования
4.2. Стандартизация химических структур, биологических объектов и экспериментальных протоколов
4.3. Идентификаторы, единицы измерения, метаданные и происхождение результатов
4.4. Выявление дубликатов, противоречий, пропусков и систематических ошибок
4.5. Отрицательные результаты, ограничения измерений и несопоставимость экспериментальных серий
4.6. Версионирование наборов данных и предотвращение утечки информации при обучении
Выводы
Глава 5. Интеграция знаний и анализ мультимодальных данных
5.1. Онтология предметной области и граф связей между соединениями, мишенями и фенотипами
5.2. Интеграция молекулярных, омиксных, морфологических и экспериментальных данных
5.3. Стратегии объединения модальностей и работа с отсутствующими источниками
5.4. Выявление закономерностей, биомаркеров и исследовательских подгрупп
5.5. Анализ временных процессов и условия переноса динамических моделей на фармацевтические задачи
5.6. Интерпретация прогнозов и проверка устойчивости выявленных зависимостей
Выводы
Глава 6. Генерация и приоритеты исследовательских гипотез
6.1. Извлечение знаний из научных публикаций, патентов и реестров исследований
6.2. Языковые модели и поиск с опорой на проверяемые источники
6.3. Выявление пробелов в знаниях и противоречивых научных результатов
6.4. Формирование проверяемых гипотез о мишенях, механизмах и новых показаниях
6.5. Оценка научной обоснованности, проверяемости и стоимости исследовательской гипотезы
6.6. Экспертное утверждение гипотезы и передача задания подсистеме молекулярного дизайна
Выводы
Часть III. Интеллектуальные методы поиска и оптимизации соединений
Глава 7. Идентификация мишеней и моделирование структуры белков
7.1. Биологическое обоснование мишени и оценка возможности воздействия лекарственным соединением
7.2. Подготовка последовательностей, структур и сопутствующих экспериментальных данных
7.3. Предсказание структур белков и комплексов и критерии выбора модельного подхода
7.4. Конформационные ансамбли, участки связывания и функциональная аннотация
7.5. Метрики достоверности и независимая проверка структурных моделей
7.6. Передача структурной неопределенности в задачи докинга и дизайна молекул
Выводы
Глава 8. Молекулярные представления и графовые нейронные сети
8.1. Строковые, дескрипторные, графовые и пространственные представления соединений
8.2. Передача сообщений в графе и учет стереохимии и геометрии
8.3. Предсказание активности и взаимодействий соединения с биологическими мишенями
8.4. Межлекарственные взаимодействия и границы выводов об эффективности новых сочетаний
8.5. Связывание молекулярных признаков с клеточным ответом и омиксными данными
8.6. Сравнение графовых моделей с дескрипторными базовыми моделями и анализ объяснений
Выводы
Глава 9. Генеративный дизайн и многокритериальная оптимизация молекул
9.1. Постановка задачи обратного дизайна и ограничения допустимого химического пространства
9.2. Вариационные, состязательные, авторегрессионные и диффузионные модели
9.3. Фрагментный дизайн и направленная модификация соединений-лидеров
9.4. Эволюционная и байесовская оптимизация и анализ множества Парето
9.5. Химическая корректность, разнообразие и совместная оптимизация активности, свойств и синтетической осуществимости
9.6. Защита от эксплуатации ошибок оценочной модели и отбор кандидатов для проверки
Выводы
Глава 10. Виртуальный скрининг и моделирование взаимодействий
10.1. Каскадный скрининг и распределение вычислительного бюджета
10.2. Классический молекулярный докинг и методы глубокого обучения
10.3. Разделение задач предсказания позы связывания, аффинности и биологической активности
10.4. Молекулярная динамика и физически обоснованная переоценка перспективных соединений
10.5. Ансамбли моделей, оценка неопределенности и область применимости прогнозов
10.6. Подтверждение виртуальных находок независимыми экспериментальными методами
Выводы
Глава 11. Прогнозирование фармакокинетики и безопасности соединений
11.1. Всасывание, распределение, метаболизм, выведение и токсичность
11.2. Растворимость, проницаемость, связывание с белками и метаболическая устойчивость
11.3. Проникновение через гематоэнцефалический барьер и экспозиция в целевой ткани
11.4. Количественные модели связи «структура — активность» и физиологически обоснованная фармакокинетика
11.5. Токсикологические данные, клеточные модели, органоиды и органы на чипе
11.6. Интеграция прогнозов и измерений для определения запаса безопасности кандидата
Выводы
Глава 12. Синтетическая осуществимость и проектирование многокомпонентных систем
12.1. Ретросинтетический анализ и прогнозирование химических превращений
12.2. Выбор маршрута с учетом доступности реагентов, выхода, очистки, стоимости и масштабирования
12.3. Проверка идентичности, чистоты и стабильности получаемого вещества
12.4. Разграничение отдельного соединения, смеси, супрамолекулярного комплекса и лекарственной формы
12.5. Моделирование состава, межмолекулярных взаимодействий и воспроизводимости комплекса
12.6. Дозозависимое сравнение эффектов компонентов и оценка аддитивности и синергизма
Выводы
Часть IV. Замкнутый исследовательский цикл и доверенная эксплуатация
Глава 13. Интеграция вычислительных моделей и экспериментальной лаборатории
13.1. Единый цикл «дизайн — синтез — тестирование — анализ» и цифровая прослеживаемость образца
13.2. Интеграция с лабораторными информационными системами, электронными журналами и оборудованием
13.3. Планирование, роботизация, автоматическое протоколирование и контроль измерений
13.4. Активное обучение и выбор следующего эксперимента по ожидаемой информационной ценности
13.5. Оптимизация очередей с учетом доступности оборудования, сроков и стоимости
13.6. Возврат отрицательных результатов, пересмотр гипотез и управляемое обновление моделей
Выводы
Глава 14. Валидация моделей и доказательство эффективности платформы
14.1. Контекст применения, исследовательские вопросы и заранее заданные критерии успеха
14.2. Разделение данных по времени, химическим каркасам, мишеням и экспериментальным сериям
14.3. Метрики классификации, регрессии, ранжирования, калибровки и неопределенности
14.4. Ретроспективная и проспективная проверка с независимыми экспериментальными данными
14.5. Сравнение традиционного процесса, раздельных инструментов искусственного интеллекта и интегрированной платформы при сопоставимых ресурсах
14.6. Исследования с исключением компонентов, статистическая оценка и воспроизводимость результатов
Выводы
Глава 15. Система управления данными и инфраструктурой
15.1. Архитектура хранилищ исходных и проверенных данных и графовых и векторных баз
15.2. Размещение вычислений на инфраструктуре организации, в облаке и у лабораторных источников данных
15.3. Реестры данных, моделей и запусков и воспроизводимость вычислительных процессов
15.4. Непрерывная интеграция программных компонентов и управляемая доставка исследовательских сервисов
15.5. Мониторинг качества моделей, изменение данных и контролируемое переобучение
15.6. Интеграционные шлюзы, надежность, резервирование и восстановление платформы
Выводы
Глава 16. Система визуализации и научной отчетности
16.1. Визуализация данных и показателей качества исследовательского процесса
16.2. Сводная аналитика по соединениям, моделям, экспериментам и проектам
16.3. Трехмерная визуализация молекул, структур белков и комплексов
16.4. Генерация научных и технических отчетов с проверяемыми основаниями выводов
16.5. Представление объяснений, неопределенности и ограничений вычислительных прогнозов
16.6. Экспертное рассмотрение результатов и прослеживаемость решений и версий отчетов
Выводы
Глава 17. Информационная безопасность и обеспечение доверия к результатам
17.1. Защита исследовательских данных, интеллектуальной собственности и разграничение доступа
17.2. Конфиденциальные вычисления и условия безопасного применения федеративного обучения
17.3. Угрозы для данных и моделей и контроль внешних сервисов и компонентов
17.4. Матрица применимости требований России и ЕАЭС и международных регуляторных подходов
17.5. Целостность данных, валидационная документация и автоматизированная поддержка контроля качества и аудита
17.6. Этические вопросы, ответственность специалистов и информирование об ограничениях моделей
Выводы
Часть V. Интеллектуальная собственность, экономика и внедрение платформы
Глава 18. Патентные исследования и управление интеллектуальной собственностью
18.1. Патентный ландшафт и место результатов Atlansys EUS MedPharma в существующем уровне техники
18.2. Прослеживаемость связи между программным алгоритмом, новым соединением и экспериментальным результатом
18.3. Разграничение научной новизны, патентоспособности и свободы использования результатов
18.4. Портфель программ и соединений и управление раскрытием исследовательских данных
18.5. Подготовка научно-технического досье для партнерства, лицензирования и трансфера технологий
18.6. Охрана результатов и разграничение патентных сведений, доклинических данных и доказательств клинической эффективности
Выводы
Глава 19. Оценка экономической и организационной результативности
19.1. Границы экономической оценки и измеримый результат исследовательского проекта
19.2. Стоимость данных, вычислений, труда, синтеза, испытаний и эксплуатации платформы
19.3. Длительность полного исследуемого цикла и время получения подтвержденного результата
19.4. Стоимость подтвержденного активного соединения, лидера и принятого решения
19.5. Сценарная оценка окупаемости, анализ чувствительности и учет неудачных проектов
19.6. Условия переноса результатов пилота на другие проекты и организации
Глава 20. Внедрение и развитие Atlansys EUS MedPharma
20.1. Оценка готовности организации, состава данных и экспериментальной базы
20.2. Выбор пилота, критерии приемки и поэтапное расширение платформы
20.3. Распределение ответственности между разработчиками, исследователями и партнерами
20.4. Развитие компетенций, технологическая независимость и управление зависимостями
20.5. Передача результатов в разработку лекарственной формы, технологии производства и последующие исследования
20.6. Партнерская модель и программа дальнейших научных исследований
Выводы
Заключение
Приложения
Список литературы