약물 개발에서 의료 빅 데이터의 역할
빅데이터가 성숙되기 전에 약업체들이 신약을 개발할 때 가장 흔히 볼 수 있는 것은 표적 조회, 문헌 조회, 임상 데이터 조회 등 정보 조회였다. 이러한 데이터를 조회하는 것 외에도, 그들은 대량의 후보 약품의 고초를 견뎌야 하며, 시장에 복귀하는 것은 불확실하고, 위험은 매우 크며, 연구개발 기간은 10 년 20 년이다. 현재의 의료 빅 데이터에 비해 약물 개발의 시간 효율을 높이고 수익을 예측하며 위험을 피한다.
약물 개발의 역할
의료 빅데이터는 R&D 에 큰 역할을 할 뿐만 아니라 등록, 투자, 입항, 시장 조사, 경품 분석, 특허 분석 등에도 도움을 준다. 표적 정보를 조회하고, 약물 독리학 정보로 약물 R&D 의 문제를 해결하고, R&D 단계와 데이터베이스가 해결하는 문제를 간단히 소개할 수 있습니다.
1, 목표 필터
약물 개발은 목표 물질을 조회하고 선별해야 하며, 대량의 데이터는 시간과 정력이 필요하다. 빅데이터 조회에서 약물 과녁을 선택한 다음 효과적인 과녁을 가진 화합물을 찾아 그 화합물을 지침으로 더 나은 화합물을 설계한다. 생체 활성이 가장 좋은 화합물을 만족시키면 연구개발에 들어갈 수 있다.
목표 필터
2, API 합성 공정
약물 개발의 첫 번째 단계는 원료약의 합성 과정으로 의학 빅 데이터에서 최적의 합성 경로를 선택하는 것이다.
원료약 합성 기술
약리학 및 독성 데이터 연구.
신약의 연구와 개방은 약물 개발의 초기 단계에 있다. 이 단계에서 전망이 좋은 신약의 잠재적 독성을 일찍 발견할수록 약물 연구 개발의 성공률이 높아진다.
(1) 조기 독성 최적화를 통해 더 적합한 화합물을 선별하면 후보 약물의 품질을 높이고 약물 개발 주기 시간을 줄일 수 있다.
(2) 유전자 표현, 단백질, 대사물 데이터에 대한 체계적인 분석을 통해 독성 예측에 더 적합한 동물 모델을 만든다.
(3) 보안 도메인 MOS； 를 결정하기 위해보다 정확한 복용량을 선택하십시오.
(4) 새로운 독리학 바이오 마커는 임상 실험에서 의사결정률을 높일 수 있다.
(5) 독리학 유전학을 기반으로 한 유전표기는 후기의 연구와 시장에서 가장 적합한 환자 집단을 선택하여 개인화된 치료의 요구를 충족시킬 수 있도록 할 것이다.
약리학 및 독리학
4. 임상 연구.
임상 시험은 (I-ⅳ) 기간으로 나뉜다. 임상 연구 I-III 기간에 문제가 없으면 상장을 승인할 수 있습니다. 상장 후 모니터링도 임상 연구의 네 번째 단계가 되었다. 임상 연구는 약물의 안전성과 유효성을 이해하기 위한 것이다. 약물의 우세가 좋을수록 약의 시장이 커진다.
임상 연구 데이터
약물이 개발되기 전에, 우리는 과도한 데이터 기술을 통해 시장을 분석하고, 공공질병과 의약품의 수요를 겨냥하고, 약물 개발 시간을 합리적으로 안배할 것이다. 우리 기업에서는 먼저 시장을 보고, 시장 수요를 보고, 청중이 넓은지 아닌지를 볼 것이다. 이것들은 모두 의학 빅데이터와 불가분의 관계에 있으며, 우리는 약물 독리학 연구를 통해 약물의 부작용을 이해할 수 있다. 의료 빅데이터는 약물 개발에 도움이 될 뿐만 아니라 시장, 의약품 판매, 제품 포지셔닝을 예측하는 데도 도움이 된다.