¿Por qué el fin de la IA es la biofarmacéutica?

Respuesta rápida: Una decisión práctica sobre enzimas o ingredientes alimentarios comienza con el objetivo del proceso, luego verifica la actividad, la ventana de aplicación, el impacto sensorial y la consistencia entre lotes antes de ampliarlo.

Con respecto a la dirección futura del desarrollo de la IA, la comunidad inversora tiene opiniones diferentes: algunos creen que es la industria fotovoltaica, otros creen que es la industria energética y NVIDIA cree que es el campo de los productos biofarmacéuticos. En el diseño de inversión de NVIDIA para 2023, además de los algoritmos centrales y la construcción de infraestructura en el campo de la IA, los productos biofarmacéuticos se han convertido en un área clave de su inversión. Kimberly Powell, vicepresidenta del negocio de atención sanitaria de NVIDIA, lo ha dejado claro: “Si la industria del diseño asistido por ordenador puede lanzar la primera empresa de chips con una capitalización de mercado de 2 billones de dólares, ¿por qué la industria del descubrimiento de fármacos asistido por ordenador no puede generar la próxima empresa farmacéutica con una capitalización de mercado de un billón de dólares?”

 

Está claro que NVIDIA es optimista sobre el futuro de AI+BioPharma y su objetivo es crear otra historia de éxito similar a la de NVIDIA. ¿Por qué NVIDIA tiene expectativas tan altas para este campo? La respuesta a esta pregunta requiere una comprensión profunda de los desafíos centrales y la lógica subyacente de la industria farmacéutica.

Ley anti-Moore
El rápido desarrollo de la tecnología de IA no puede separarse del rápido progreso de la industria de los circuitos integrados. Gordon Moore, el fundador de Intel, después de años de estudio en profundidad de la industria de los semiconductores, resumió la idea de que el número de transistores en los circuitos integrados se duplica aproximadamente cada 18 a 24 meses. Esta es la famosa Ley de Moore. La Ley de Moore establece que a medida que la tecnología siga avanzando, el rendimiento de los procesadores se duplicará aproximadamente cada dos años y los precios bajarán a la mitad de lo que eran. Es gracias a esta continua iteración y avance de la tecnología que la tecnología informática ha crecido exponencialmente, permitiendo funciones cada vez más sorprendentes.

Sin embargo, a diferencia de la Ley de Moore en la industria de los semiconductores, las tendencias en la industria biofarmacéutica muestran un fenómeno “anti-Ley de Moore”. Durante mucho tiempo, el desarrollo de fármacos innovadores se conoce como la “ley de las dos decenas”, lo que significa que normalmente se necesitan diez años y cuesta mil millones de dólares para desarrollar un nuevo fármaco. Sin embargo, estas cifras ahora están desactualizadas, ya que los datos más recientes muestran que el costo promedio de I+D de un medicamento innovador es de alrededor de 2.600 millones de dólares a nivel mundial, y el ciclo promedio de I+D es de alrededor de 10,5 años. Ciclos largos de I+D y elevados niveles de I+D.Los costos D hacen que el desarrollo de fármacos innovadores sea extremadamente riesgoso, ya que no sólo requiere grandes cantidades de apoyo financiero, sino que también enfrenta altas tasas de fracaso. Para complicar aún más las cosas, la dificultad de la I+D sigue aumentando con el tiempo, a medida que aumenta el costo de desarrollar nuevos medicamentos y objetivos y el retorno de la inversión disminuye a medida que se descubren más fármacos y objetivos.

 

En este entorno contrario a la Ley de Moore, el umbral de la I+D de medicamentos innovadores es cada vez más alto y el riesgo de inversión está aumentando, lo que hace que la I+D de medicamentos innovadores se convierta gradualmente en dominio exclusivo de las grandes empresas. Sin embargo, la industria farmacéutica suele estar impulsada por la innovación marginal, y muchas tecnologías nuevas nacen inicialmente en empresas de nueva creación. Sólo cuando estas tecnologías se validan progresivamente, las grandes empresas comienzan a intervenir y diseñar.
Se ha desarrollado una aparente contradicción entre las leyes de desarrollo de la industria y sus fuerzas impulsoras, un fenómeno muy inusual que podría conducir a un cuello de botella en el avance de la tecnología médica humana, una situación que a nadie le gustaría ver.
La industria biofarmacéutica necesita urgentemente un cambio, y el costo cada vez mayor del desarrollo de fármacos innovadores ofrece espacio para ese cambio. Sobre la base de estos dos factores, NVIDIA cree firmemente que la tecnología de inteligencia artificial tiene el potencial de revolucionar la industria farmacéutica.
Experiencia versus intuición
La industria farmacéutica moderna a menudo se compara con una ciudad amurallada construida sobre la base de la intuición. Aunque los medicamentos innovadores deben someterse a una validación clínica rigurosa y sistemática antes de poder comercializarse, el proceso de descubrimiento está lleno de incertidumbre. Todo el proceso de descubrimiento de fármacos se asemeja a un embudo, y el número de compuestos candidatos exitosos disminuye progresivamente en cada etapa, desde el descubrimiento de fármacos hasta la validación preclínica y la validación clínica. Entre ellos, la etapa de descubrimiento de fármacos es particularmente difícil, ya que los desarrolladores deben examinar innumerables compuestos para identificar alrededor de 10.000 candidatos potenciales y, finalmente, encontrar el compuesto correcto después de varias capas de selección. Descubrir e identificar un objetivo particular no sólo es fortuito, sino también complejo y tedioso de validar, y aún más difícil de localizar con éxito en la molécula correcta.

 

Aunque generaciones de esfuerzos de descubrimiento de fármacos han estandarizado el proceso de descubrimiento de fármacos, cuando se enfrenta a una enorme cantidad de datos sobre compuestos, la I+D sigue dependiendo en gran medida de la intuición de los investigadores, y los datos sólo pueden proporcionar una ayuda limitada. La dirección correcta de la I+D es un requisito previo para el éxito, y una vez que se toma el camino equivocado, por mucho esfuerzo que se ponga en él, puede seguir siendo inútil.Esta excesiva dependencia de la intuición es la causa fundamental del continuo aumento de los costos de I+D de los medicamentos tradicionales.
Para reducir los costos de I+D en la industria farmacéutica, es necesario cambiar a un enfoque de I+D más basado en datos. Los datos son esencialmente experiencia acumulada, y su digitalización no significa la eliminación de los fracasos de la I+D, sino que los fracasos pueden convertirse en una base de aprendizaje para la próxima I+D. A través del entrenamiento de modelos a gran escala, la IA puede hacer que el proceso de detección de drogas sea más rápido y preciso.
El desarrollo de fármacos innovadores puede compararse con un juego de Roguelike; Aunque cada partida puede parecer aleatoria y la experiencia puede ser diferente cada vez, la dificultad del siguiente desafío se puede reducir gradualmente mediante fallas constantes y acumulación de datos.
La IA farmacéutica es esencialmente un proceso de pasar de depender de la intuición de expertos a depender de la retroalimentación de datos para encontrar el camino óptimo de I+D a través del entrenamiento continuo de modelos. Este cambio marca un paso de la intuición a los datos y un progreso de la emoción a la razón. Especialmente en muchas áreas de enfermedades que aún no han sido conquistadas, confiar en la intuición de los expertos puede no ser mejor que aleatorizar el éxito, mientras que la prueba y error continuo del modelo de IA es la forma más efectiva de reducir la tasa de fracaso. ai pharma no sólo reduce los costos de I+D, sino que también mejora significativamente la eficiencia de la I+D.
Los recursos de datos son los más preciados.
Los algoritmos, la aritmética y las bases de datos constituyen los tres elementos centrales de la tecnología de IA. En la mayoría de los escenarios de aplicación de IA, los algoritmos son el vínculo clave y, aunque la potencia aritmética y las bases de datos son igualmente importantes, los inversores tienden a prestar más atención al desarrollo de algoritmos de modelos grandes. Sin embargo, en el campo biofarmacéutico, el predominio de los algoritmos puede no ser tan obvio. A diferencia de otros campos, los recursos de datos en el sector biofarmacéutico son valiosos, a menudo no son de código abierto y son los activos principales de las principales empresas farmacéuticas. Tanto los resultados exitosos como los fallidos se obtienen mediante ensayos clínicos de alto costo.

Por tanto, queda claro que en el campo farmacéutico de IA, la base de datos es la clave para la competitividad central. Al observar las populares empresas farmacéuticas de IA en China, muchas de ellas se han transformado de empresas CRO. A diferencia de las empresas farmacéuticas tradicionales, las empresas CRO tienen una rica experiencia en I+D y, aunque los datos de I+D pertenecen a la Parte A, pueden acumular una gran cantidad de datos de proceso y metodología en el curso de múltiples procesos de I+D, lo que les proporciona una ventaja en la construcción de bases de datos. Teniendo en cuenta la naturaleza de código abierto de los datos biofarmacéuticos, el desarrollo de la IA farmacéutica podría ir en dos direcciones.Uno son las corporaciones multinacionales (EMN) bien financiadas, que han acumulado una rica experiencia y datos en I+D durante mucho tiempo y han comenzado a diseñar de manera integral la tecnología de IA; el otro son los CRO que se dedican principalmente a la transformación de la industria farmacéutica de IA en China, que tienen una sólida capacidad de construcción de bases de datos, y lo que les falta es solo el desarrollo de grandes algoritmos modelo, y el problema de la potencia computacional se puede resolver cooperando con empresas de tecnología como AliCloud y TencentCloud. El problema de la potencia informática se puede resolver mediante la cooperación con empresas de tecnología como Ali Cloud y Tencent Cloud. El primer modelo puede ser más difícil de implementar en China porque la industria biofarmacéutica nacional comenzó tarde y carece de compañías multinacionales que hayan estado realizando investigación y desarrollo de medicamentos innovadores durante mucho tiempo.

En las próximas décadas, las empresas CRO probablemente se convertirán en los activos principales de la industria farmacéutica de IA de China, mientras que en el extranjero se trata principalmente de una competencia entre empresas multinacionales, que son reacias a abrir sus datos a terceros, e incluso empresas como Nvidia sólo pueden participar en el campo biofarmacéutico a través de la inversión. Actualmente, los productos farmacéuticos nacionales de IA se encuentran en las primeras etapas de desarrollo y se pueden dividir aproximadamente en tres escalones. El primer escalón incluye empresas que han estado implementando tecnología farmacéutica de IA durante muchos años, como Chengdu Pilot, Hongbo Pharmaceuticals, Jingtai Technology y Medicine Stone Technology, etc.; el segundo escalón es una empresa que tiene una rica experiencia en I + D pero que acaba de comenzar en el campo de los productos farmacéuticos de IA, como WuXi Kantei, Medicilon y Haoyuan Pharmaceuticals, etc.; y el tercer escalón tiene experiencia, pero otras empresas CRO aún no lo han desarrollado en profundidad en el campo de la IA. En el campo farmacéutico de IA, los datos son el recurso más crítico y el valor de la base de datos supera con creces los algoritmos y el poder aritmético, razón por la cual las empresas CRO pueden tomar la delantera en la actual industria farmacéutica nacional de IA.

Cómo suelen evaluar los compradores las enzimas y los ingredientes de procesamiento de alimentos

En proyectos de procesamiento de alimentos y enzimas, el marco de decisión más útil suele ser el ajuste de la aplicación más la estabilidad del proceso: qué ingrediente funciona bajo las condiciones de pH, temperatura, tiempo y sustrato previstas sin crear un problema de cumplimiento o calidad posterior.

• Defina primero el objetivo de procesamiento: Las aplicaciones de sabor, hidrólisis, textura, fermentación, limpieza y bioprocesos a menudo necesitan perfiles de actividad muy diferentes.
• Compruebe la ventana operativa real: El pH, la temperatura, el tiempo de residencia y el tipo de sustrato a menudo importan más que la afirmación principal del producto.
• Revisar la consistencia y el impacto posterior:La dosificación de , la influencia sensorial, la filtración y el comportamiento de vida útil pueden afectar el valor comercial final.
• Use validación piloto:Las pruebas de producción pequeñas de generalmente revelan las diferencias más útiles en actividad, eficiencia y ajuste del proceso.

Referencias de productos recomendados

• CHLUMIAF 094: Un antiespumante de referencia equilibrado para revestimientos a base de agua y muchas pantallas generales de control de espuma.
• CHLUMIAF 3037: Una opción antiespumante de proceso más potente cuando la espuma persistente sobrevive a condiciones más duras.
• Longzyme Lipasa: Una referencia directa del producto para discusiones sobre alimentos, limpieza o bioprocesos relacionados con la lipasa.
• Longzyme Beta-Amylase: Una referencia práctica de enzimas cuando se están revisando la conversión del almidón y la actividad de procesamiento de alimentos.

Preguntas frecuentes para compradores y formuladores

¿Por qué una enzima de alta actividad no es automáticamente la mejor opción comercial?
Porque la mejor enzima es la que funciona de manera confiable en las condiciones reales del proceso y proporciona el resultado final deseado sin crear nuevos problemas.

¿Deben seleccionarse los ingredientes alimentarios y biotecnológicos únicamente a partir de hojas de datos?
Por lo general, es más seguro combinar la revisión de las especificaciones con una prueba piloto o de aplicación porque los sustratos reales y las ventanas de proceso pueden cambiar mucho el resultado.

¡Contáctenos ahora!

Si necesita precio, complete su información de contacto en el formulario a continuación; generalmente nos comunicaremos con usted dentro de las 24 horas. También puede enviarme un correo electrónico info@longchangchemical.com durante el horario laboral (de 8:30 a. m. a 6:00 p. m. UTC+8 de lunes a sábado) o utilizar el chat en vivo del sitio web para obtener una respuesta rápida.

Glucoamilasa compuesta	9032-08-0
Pullulanasa	9075-68-7
Xilanasa	37278-89-0
Celulasa	9012-54-8
Naringinasa	9068-31-9
β-amilasa	9000-91-3
Glucosa oxidasa	9001-37-0
alfa-amilasa	9000-90-2
Pectinasa	9032-75-1
Peroxidasa	9003-99-0
Lipasa	9001-62-1
Catalase	9001-05-2
TANNASE	9025-71-2
Elastase	39445-21-1
Urease	9002-13-5
DEXTRANASE	9025-70-1
L-Láctica deshidrogenasa	9001-60-9
Malato de deshidrogenasa	9001-64-3
Colesterol oxidasa	9028-76-6