Trí tuệ nhân tạo [ Đăng ngày (24/05/2025) ]
Ứng cử viên Thuốc" (Drug Candidate)
Trong ngành dược phẩm, khái niệm "Ứng cử viên Thuốc" (Drug Candidate) và "Danh mục sản phẩm đang phát triển" (Pipeline) là những thuật ngữ cốt lõi để chỉ các hợp chất tiềm năng đang trong quá trình nghiên cứu và phát triển để trở thành thuốc chữa bệnh.

1. Ứng cử viên Thuốc (Drug Candidate)

-   Định nghĩa: Một ứng cử viên thuốc là một hợp chất (thường là phân tử nhỏ hoặc kháng thể) đã được xác định có tiềm năng trở thành một loại thuốc. Nó đã trải qua giai đoạn khám phá và sàng lọc ban đầu, cho thấy hoạt tính mong muốn đối với một mục tiêu sinh học cụ thể (ví dụ: protein, enzyme) và có hồ sơ an toàn, hiệu quả sơ bộ thuận lợi trong các thử nghiệm tiền lâm sàng (trong ống nghiệm hoặc trên động vật).

-   Quá trình trở thành ứng viên:

+   Khám phá mục tiêu: Đầu tiên, các nhà khoa học xác định một "mục tiêu" (target) trong cơ thể có liên quan đến bệnh.

+   Khám phá hợp chất dẫn đầu (Lead Discovery): Tìm kiếm các hợp chất có khả năng liên kết với mục tiêu đó.

+   Tối ưu hóa hợp chất dẫn đầu (Lead Optimization): Chỉnh sửa các hợp chất này để cải thiện hiệu quả, an toàn, và các đặc tính dược động học (hấp thu, phân bố, chuyển hóa, thải trừ).

+   Đề cử ứng viên tiền lâm sàng (Preclinical Candidate Nomination - PCC/DC): Khi một hợp chất đạt được các tiêu chuẩn nhất định về hiệu quả và an toàn trong các mô hình tiền lâm sàng, nó được "đề cử" làm ứng viên tiền lâm sàng.

+   Xin chấp thuận Nghiên cứu thuốc mới (Investigational New Drug - IND): Sau đó, công ty nộp hồ sơ IND cho cơ quan quản lý (ví dụ: FDA ở Mỹ) để được phép thử nghiệm trên người. Khi IND được chấp thuận, ứng viên đó chính thức trở thành một ứng cử viên thuốc lâm sàng (clinical drug candidate) và bước vào các giai đoạn thử nghiệm trên người.

2. Danh mục Sản phẩm đang Phát triển (Pipeline)

Định nghĩa: Pipeline là tập hợp tất cả các ứng cử viên thuốc mà một công ty dược phẩm hoặc công ty công nghệ sinh học đang tích cực phát triển. Pipeline được chia thành các giai đoạn phát triển khác nhau, phản ánh mức độ tiến triển của từng ứng viên:

-   Giai đoạn khám phá (Discovery): Các mục tiêu và hợp chất ban đầu đang được nghiên cứu.

-   Tiền lâm sàng (Preclinical): Thử nghiệm trong ống nghiệm (in vitro) và trên động vật (in vivo) để đánh giá an toàn và hiệu quả sơ bộ.

-   Lâm sàng Giai đoạn I (Phase I): Thử nghiệm trên một nhóm nhỏ người khỏe mạnh hoặc bệnh nhân để đánh giá tính an toàn và dược động học.

-   Lâm sàng Giai đoạn II (Phase II): Thử nghiệm trên một nhóm bệnh nhân lớn hơn để đánh giá hiệu quả và tiếp tục theo dõi an toàn.

-   Lâm sàng Giai đoạn III (Phase III): Thử nghiệm trên một nhóm bệnh nhân rất lớn để xác nhận hiệu quả, theo dõi tác dụng phụ và so sánh với các phương pháp điều trị hiện có.

-    Đệ trình và Phê duyệt (Regulatory Submission & Approval): Nộp hồ sơ xin cấp phép lưu hành cho cơ quan quản lý.

-   Hậu mãi (Post-market): Thuốc đã được phê duyệt và lưu hành, có thể tiếp tục được theo dõi hoặc nghiên cứu thêm (Giai đoạn IV).

Ứng cử viên Thuốc và Pipeline của Insilico Medicine:

Insilico Medicine là một ví dụ điển hình về việc AI đang định hình lại cách các công ty xây dựng pipeline của mình. Với nền tảng AI Pharma.AI (bao gồm PandaOmics, Chemistry42, và InClinico), Insilico đã đạt được những thành tựu đáng kể trong việc tạo ra và đưa các ứng cử viên thuốc vào thử nghiệm lâm sàng với tốc độ chưa từng có.

Những điểm nổi bật về pipeline của Insilico Medicine:

1.  AI-driven từ đầu đến cuối: Đây là yếu tố khác biệt chính. Nhiều ứng cử viên thuốc của Insilico được khám phá mục tiêu và thiết kế phân tử hoàn toàn bằng AI, từ giai đoạn ban đầu.

2.  Tốc độ vượt trội: Nhờ AI và tự động hóa phòng thí nghiệm (ví dụ: robot lab Life Star1), Insilico đã giảm đáng kể thời gian cần thiết để từ khi bắt đầu một dự án đến khi đề cử một ứng viên tiền lâm sàng. Theo công ty, họ có thể xác định và đề cử một ứng viên tiền lâm sàng (PCC) trong vòng 12 đến 18 tháng, so với 2.5 - 4 năm của phương pháp truyền thống.

3.  Số lượng ứng viên ấn tượng: Kể từ năm 2021, Insilico đã đề cử 22 ứng viên phát triển/tiền lâm sàng (DC/PCC), trong đó 10 phân tử đã nhận được chấp thuận IND (Investigational New Drug - cho phép thử nghiệm trên người). Đây là một con số đáng kể trong thời gian ngắn.

4.  Ứng viên hàng đầu (Lead Candidate): Rentosertib (trước đây là ISM001-055 hoặc INS018_055)

-   Đối tượng: Điều trị xơ phổi vô căn (Idiopathic Pulmonary Fibrosis - IPF), một căn bệnh mãn tính, tiến triển và gây tử vong với nhu cầu y tế chưa được đáp ứng.

-   Đặc điểm: Đây là ứng cử viên thuốc được phát hiện mục tiêu (TNIK) và thiết kế phân tử hoàn toàn bằng AI tạo sinh, là loại thuốc đầu tiên như vậy tiến vào thử nghiệm lâm sàng trên người ở Giai đoạn 2.

-   Giai đoạn lâm sàng: Đã hoàn thành thử nghiệm lâm sàng Giai đoạn 2a với kết quả khả quan (dung nạp tốt và cải thiện chức năng phổi). Hiện đang chuẩn bị cho Giai đoạn 2b.

-   Ý nghĩa: Sự tiến triển của Rentosertib đánh dấu một cột mốc lịch sử cho ngành dược phẩm, chứng minh khả năng của AI trong việc chuyển đổi toàn bộ quy trình phát hiện và phát triển thuốc.

5.  Đa dạng lĩnh vực bệnh: Pipeline của Insilico Medicine bao gồm các ứng viên cho nhiều lĩnh vực bệnh khác nhau, như:

-   Ung thư

-   Các bệnh miễn dịch

-   Bệnh về chuyển hóa và béo phì

-   Bệnh truyền nhiễm (bao gồm các giải pháp cho COVID-19)

-   Kiểm soát cơn đau

-   Các bệnh liên quan đến lão hóa

6.  Giá trị cấp phép và đối tác: Insilico đã đạt được các thỏa thuận cấp phép và hợp tác trị giá hàng tỷ đô la với các công ty dược phẩm lớn như Fosun Pharma, Exelixis, Menarini, Sanofi, Saudi Aramco, và Therasid Bioscience, chứng minh giá trị và sự tin cậy vào công nghệ AI của họ.

Các ứng cử viên thuốc và pipeline của Insilico Medicine không chỉ thể hiện khả năng khoa học mà còn là minh chứng rõ ràng cho tiềm năng cách mạng của AI trong việc khám phá và phát triển thuốc, hứa hẹn mang lại những phương pháp điều trị mới nhanh hơn và hiệu quả hơn cho những bệnh nhân có nhu cầu y tế chưa được đáp ứng.
ctngoc
Theo www.insilico.com
In bài viết  
Bookmark
Ý kiến của bạn

Hiệu chuẩn cảm biến áp lực đất trong điều kiện phòng thí nghiệm
Cảm biến áp lực đất được sử dụng phổ biến trong lĩnh vực địa kỹ thuật nhằm xác định ứng suất đất tại vị trí lắp đặt trong khối đất hoặc tại giao diện giữa đất và kết cấu công trình. Tuy nhiên, giá trị đo được từ cảm biến chịu ảnh hưởng đáng kể bởi điều kiện làm việc, môi trường đo và phương pháp hiệu chuẩn. Do đó, việc hiệu chuẩn cảm biến áp lực đất trước khi đưa vào sử dụng thực tế là yêu cầu bắt buộc nhằm đảm bảo độ chính xác của kết quả đo. Bài báo này tập trung nghiên cứu hiệu chuẩn cảm biến áp lực đất dạng màng ngăn có đường kính 30 mm (earth pressure cell – EPC) của hãng Kyowa trong điều kiện phòng thí nghiệm. Quá trình hiệu chuẩn được thực hiện trong hai môi trường khác nhau là môi trường chất lỏng và môi trường đất cát bão hòa nhằm đánh giá sự khác biệt về độ nhạy của cảm biến. Kết quả nghiên cứu cho thấy cảm biến có độ nhạy cao hơn khi hiệu chuẩn trong môi trường chất lỏng so với môi trường đất cát bão hòa với chiều dày lớp cát bằng 6,5 lần đường kính cảm biến. Các phương trình hiệu chuẩn thu được đều có dạng tuyến tính, với hệ số tương quan và độ tin cậy cao. Kết quả nghiên cứu là cơ sở quan trọng cho việc ứng dụng cảm biến áp lực đất trong đo đạc ứng suất đất phục vụ thiết kế và thi công công trình địa kỹ thuật.

Xem nhiều

Tiêu điểm

Chuyển đổi số tại Cần Thơ: Thực trạng và giải pháp hoàn thiện hệ thống chính sách nâng cao năng lực đổi mới sáng tạo của các doanh nghiệp
Nỗ lực hoàn thiện hạ tầng công nghệ thông tin, đảm bảo kết nối thông suốt
Tập trung cao độ cho phát triển kinh tế - xã hội thành phố
Nâng cao chất lượng đội ngũ cán bộ làm công tác đối ngoại
Lãnh đạo UBND thành phố Cần Thơ làm việc với Sở Khoa học và Công nghệ về tình hình hoạt động sau khi hợp nhất ba địa phương
Hội đồng tư vấn, giao trực tiếp tổ chức chủ trì nhiệm vụ KH&CN (Tư vấn và chứng nhận Tiêu chuẩn ISO 9001:2015 – Hệ thống quản lý chất lượng - Các yêu cầu và Tiêu chuẩn ISO 14001:2015 – Hệ thống quản lý môi trường) thuộc Chương trình NSCL năm 2025
Microsoft cáo buộc nhóm tin tặc đứng sau mạng lưới Deepfake AI
Công nghệ lưu trữ lượng tử vừa đạt đột phá: Chứa 5.000 phim 4K trên một tinh thể bé hơn đầu ngón tay?
Sony tuyên bố hợp tác gây chấn động ngành game, mang tính năng độc quyền trên AMD RX 9000 đến PS5 Pro, vạch ra tương lai cho PS6
Startup xe điện Dat Bike đã không còn "trong tay” người Việt
Trung Quốc tự đẩy mình vào 'thời khắc sinh tử': 300 startup xe điện chỉ còn 7 hãng lớn có thể tồn tại, chiến trường xe điện khốc liệt hơn bất kỳ lúc nào
Chuyên gia Phạm Chi Lan chỉ ra 4 điểm yếu của các nhà sáng lập Việt: Nhiều startup cho rằng xuất khẩu được mới 'oai', trong khi thị trường nội còn khó hơn ngoại
Startup KAMEREO ‘ấm bụng’ trong ‘mùa đông gọi vốn’: Hoàn tất vòng Series B với 7,8 triệu USD từ 5 ‘đồng hương’ Nhật Bản
Founder - CEO Amslink: Kiến tạo tương lai Anh ngữ cho thế hệ trẻ Việt
CASTI Awards 2024 - Tôn vinh sản phẩm khoa học, công nghệ và đổi mới sáng tạo
Siêu thị số  
 
Nghiên cứu thiết kế và chế tạo mô hình hỗ trợ đào tạo lái ô tô dựa trên mô phỏng thực tế
Việc ứng dụng công nghệ mô phỏng trong đào tạo lái xe ô tô đang ngày càng được quan tâm nhằm nâng cao chất lượng giảng dạy, giảm chi phí và hạn chế rủi ro trong quá trình học tập. Nghiên cứu này trình bày quá trình thiết kế và chế tạo mô hình hỗ trợ tự học lái ô tô thông qua mô phỏng các thao tác điều khiển phương tiện theo tiêu chuẩn sát hạch lái xe hiện hành của Việt Nam. Mô hình được xây dựng với cấu trúc phần cứng tương tự cabin ô tô thực tế, bao gồm hệ thống vô lăng, bàn đạp ga, phanh, ly hợp, cần số, ghế ngồi điều chỉnh, dây an toàn và màn hình hiển thị kích thước lớn. Phần mềm mô phỏng được triển khai dựa trên nền tảng Euro Truck Simulator 2, cho phép tái hiện các bài thi sa hình, điều kiện thời tiết và tình huống giao thông đa dạng. Kết quả thử nghiệm cho thấy mô hình hoạt động ổn định, mang lại cảm giác lái chân thực, góp phần hỗ trợ người học rèn luyện kỹ năng lái xe, đồng thời tiết kiệm thời gian và chi phí đào tạo.


 
Công nghệ 4.0  
 
Một tầm nhìn do cộng đồng đề xuất về nguồn tri thức mới cho trí tuệ nhân tạo
Nghiên cứu do nhóm các tác giả Vinay K Chaudhri, Chaitan Baru, Brandon Bennett, Mehul Bhatt, Darion Cassel, Anthony G Cohn, Rina Dechter, Esra Erdem, Dave Ferrucci, Ken Forbus, Gregory Gelfond, Michael Genesereth, Andrew S. Gordon, Benjamin Grosof, Gopal Gupta, Jim Hendler, Sharat Israni, Tyler R. Josephson, Patrick Kyllonen, Yuliya Lierler, Vladimir Lifschitz, Clifton McFate, Hande Küçük McGinty, Leora Morgenstern, Alessandro Oltramari, Praveen Paritosh, Dan Roth, Blake Shepard, Cogan Shimizu, Denny Vrandečić, Mark Whiting, Michael Witbrock thuộc Công ty TNHH Nghiên cứu Hệ thống Tri thức, Sunnyvale, Hoa Kỳ thực hiện.


 
Tin học  
 
Nghiên cứu thiết kế và chế tạo mô hình hỗ trợ đào tạo lái ô tô dựa trên mô phỏng thực tế
Việc ứng dụng công nghệ mô phỏng trong đào tạo lái xe ô tô đang ngày càng được quan tâm nhằm nâng cao chất lượng giảng dạy, giảm chi phí và hạn chế rủi ro trong quá trình học tập. Nghiên cứu này trình bày quá trình thiết kế và chế tạo mô hình hỗ trợ tự học lái ô tô thông qua mô phỏng các thao tác điều khiển phương tiện theo tiêu chuẩn sát hạch lái xe hiện hành của Việt Nam. Mô hình được xây dựng với cấu trúc phần cứng tương tự cabin ô tô thực tế, bao gồm hệ thống vô lăng, bàn đạp ga, phanh, ly hợp, cần số, ghế ngồi điều chỉnh, dây an toàn và màn hình hiển thị kích thước lớn. Phần mềm mô phỏng được triển khai dựa trên nền tảng Euro Truck Simulator 2, cho phép tái hiện các bài thi sa hình, điều kiện thời tiết và tình huống giao thông đa dạng. Kết quả thử nghiệm cho thấy mô hình hoạt động ổn định, mang lại cảm giác lái chân thực, góp phần hỗ trợ người học rèn luyện kỹ năng lái xe, đồng thời tiết kiệm thời gian và chi phí đào tạo.


 



© Copyright 2020 Trung tâm Khởi nghiệp và Đổi mới sáng tạo - Sở Khoa học và Công nghệ TP. Cần Thơ
Địa chỉ: 118/3 Trần Phú - Phường Cái Khế - thành phố Cần Thơ
Giấy phép số: 05/ GP-TTĐT, do Sở Thông tin và Truyền Thông thành phố Cần Thơ cấp ngày 23/5/2017
Trưởng Ban biên tập: Ông Vũ Minh Hải - Giám đốc Trung tâm Khởi nghiệp và Đổi mới sáng tạo - Sở Khoa học & Công nghệ TP. Cần Thơ
Ghi rõ nguồn www.trithuckhoahoc.vn khi bạn sử dụng lại thông tin từ website này