在全球范围内，研究支出的增加，人类健康状况恶化以及对新颖和有效疗法的需求增强了对药物发现工具的需求。在过去几年中，药物发现和开发行业经历了一次重大转型，增加了高效，用户友好和实惠的产品的呼吁。新的研究乐动体育-西甲2019赞助商检查药物发现过程的各个方面，消耗了药物开发成本的主要部分。因此，公司必须使用提供其未来药品的高概率的技术将是商业成功的技术。

BCC Research分析师、报告作者Shalini Shahani Dewan表示:“过去几十年，全球生物制药行业经历了重大转变，特别是在药物发现和开发空间。”乐动体育-西甲2019赞助商“该行业正专注于新技术来解决机理之谜，以确定用于治疗的候选药物分子。基因组和蛋白质组学分析在理解基因水平上调节细胞功能的各种因素方面得到了应用。”高通量和自动化方法的出现涉及硅和计算方法已经改变了药物发现和开发领域。

2018年2月20日文章发表于自然提供了全面概述了这种计算方法。深度学习算法从一个非常大的注释数据集，例如图像或基因组的集合，并使用它们基于埋藏的图案来创建预测工具。曾经接受过培训，算法可以应用该培训来分析其他数据。在生物学中，深入学习算法以人类不能，检测可能捕获可能无法捕获的功能的方式潜入数据。研究人员采用算法，细胞图像进行分类，使基因组连接，推进药物开发，甚至跨越找到不同的数据类型，以电子病历环节，从基因组学和成像。

药物发现 - 凭借其大规模数据集 - 是一种纪律，可供深入学习。这里，深学习算法帮助解决分类挑战，通过这样的分子特征如形状和氢键筛选，以确定要在其上排列潜在药物标准。例如，atomwise已经开发了将分子转换为3D像素网格的算法。该表示允许公司考虑具有原子精度的蛋白质和小分子的3D结构，建模特征，例如碳原子的几何形状。然后将这些特征转化为数学载体，算法可以用于预测哪些小分子可能与给定蛋白质相互作用。

深度学习工具还可以帮助研究人员对疾病类型进行分层，了解疾病亚群，找到新的治疗方法，并将其与适合的患者进行临床测试和治疗。例如，回答ALS.努力结合一系列数据 - 基因组学，转录组织，表观胶质学，蛋白质组学，成像甚至多能干 - 细胞生物学 - 从1,000名患有神经变性疾病的肌萎缩侧面硬化。然后可以将深度学习应用于该数据集以尝试揭示可以在体外测量的事物之间的关系以及患者发生的事情。这篇文章，深入学习生物学，为读者提供深入检查这种计算方法。

近年来，药物发现技术市场发展迅速。根据BCC Researc乐动体育-西甲2019赞助商h的分析，这个市场有潜力在2022年达到858亿美元，以9.4%的五年复合年增长率增长。在其研究中，BCC Resea乐动体育-西甲2019赞助商rch将药物发现工具的最终用户划分为生物制药公司、研究和学术界以及其他，其中包括合同研究组织。生物制药占据了整个药物发现技术市场的最大份额，预计到2022年将达到388亿美元。这种增长主要反映了人们对基因研究和药物开发的进一步兴趣。有关更多研究和详细的市场预测，请下载免费的报告概述药物发现技术（Bio020f）。