Covering Disruptive Technology Powering Business in The Digital Age

Excelra บริษัทด้านข้อมูลและการวิเคราะห์ข้อมูลชั้นนำระดับโลก ประกาศจับมือเป็นพันธมิตรกับ Silexon AI Technology บริษัทเทคโนโลยีชีวภาพผู้พัฒนาแพลตฟอร์ม AI/ML (Artificial Intelligence และ Machine Learning) สำหรับคิดค้นยาและวิจัยชีวเภสัชภัณฑ์

ข้อตกลงดังกล่าวระบุว่า Excelra จะมอบชุดข้อมูล ADMET และ Binding Assays จากฐานข้อมูล GOSTAR ของบริษัทให้แก่ Silexon โดย GOSTAR นำเสนอข้อมูลครบถ้วนครอบคลุมสารประกอบกว่า 8 ล้านรายการ พร้อมด้วยจุดข้อมูล SAR มากกว่า 28 ล้านจุดข้อมูล ฐานข้อมูลเชิงสัมพันธ์ที่มีโครงสร้างสมบูรณ์นี้สามารถนำไปใช้งานได้อย่างหลากหลายในทุกระยะของการพัฒนาและคิดค้นยา อีกทั้งยังมีประโยชน์ในส่วนของการตรวจสอบเป้าหมาย การพิสูจน์เอกลักษณ์ของสารประกอบ การพิสูจน์คุณสมบัติทางยาของสารต้นแบบ และการเพิ่มประสิทธิภาพ

แพลตฟอร์ม AI/ML ของ Silexon ใช้ข้อมูลทางชีวภาพในโลกของความเป็นจริงที่มีคุณภาพสูง ประกอบกับศักยภาพอันโดดเด่นของ Machine Learning เพื่อช่วยในการออกแบบยา การคิดค้นยา และการวิจัยชีวเภสัชภัณฑ์ ด้วยเครื่องมือทำนายสุดล้ำที่ช่วยปรับปรุงกระบวนการคิดค้นและออกแบบยา จึงช่วยลดเวลาในการนำยาใหม่ออกสู่ตลาดเพื่อรักษาชีวิตของผู้ป่วย นอกจากนี้ Silexon ยังส่งเสริมการคิดค้นยาซึ่งพุ่งเป้าไปที่เป้าหมายที่ดื้อยา เป้าหมายที่ไม่ค่อยตอบสนองต่อยา และเป้าหมายใหม่ในการรักษาโรคต่าง ๆ

Anandbir Singh Brar ซีอีโอของ Excelra กล่าวว่า “เรารู้สึกยินดีที่ GOSTAR ได้กลายเป็นชุดข้อมูลมาตรฐานทองคำสำหรับบริษัทด้านชีวเภสัชภัณฑ์และ AI/ML โดยการจับมือเป็นพันธมิตรกับ Silexon ตอกย้ำศักยภาพของ GOSTAR ในการนำเสนอชุดข้อมูลขนาดใหญ่ที่มีการควบคุมคุณภาพและได้มาตรฐาน เพื่อส่งเสริมการสร้างแบบจำลองสำหรับการทำนายหลากหลายรูปแบบ เรายินดีที่ได้ร่วมมือกับ Silexon และได้มีส่วนสนับสนุนการพัฒนาแพลตฟอร์ม AI4D สำหรับการคิดค้นยา”

Hainian ZENG ซีอีโอของ Silexon กล่าวว่า “เราตั้งตารอที่จะผสานข้อมูลชั้นดีของ GOSTAR เข้ากับข้อมูลที่เก็บรวบรวมและสร้างโดยแบบจำลอง AI/ML อันเป็นกรรมสิทธิ์ของ Silexon และผลการทดลองจากห้องปฏิบัติการ เราใช้แพลตฟอร์ม AI/ML เพื่อแก้ปัญหาคอขวดในการคิดค้นยาและการวิจัยชีวเภสัชภัณฑ์ เพื่อส่งมอบยาใหม่ที่มีอัตราความสำเร็จโดยรวมสูงขึ้น จากการประเมินในเบื้องต้นทำให้เรามั่นใจว่าฐานข้อมูล GOSTAR จะเป็นส่วนเติมเต็มที่สำคัญของชุดข้อมูลการสร้างแบบจำลองรุ่นใหม่ของเรา”

(0)(0)