1、行业定义
药物发现是新候选药物鉴定及其治疗靶点过程中的第一步,药物发现或新药靶点正在根据疗效、效力、生物利用度和毒性进行评估。人工智能广泛应用于医疗保健行业,尤其是用于药物发现。人工智能技术具有识别药物靶点的能力,在药物设计、发现、鉴定和分子筛选中即时有效地发挥着重要作用。
2、研究结论
药物研发行业的全球人工智能是分散的,2019年前10大制造商控制着约33%的全球市场份额。BERG是全球人工智能药物发现市场上最大的参与者,其次是Deep Genomics和Euretos。与美国相比,中国更分散,质量和价格更低。
3、全球药物发现人工智能市场主要企业名单及介绍
3.1 Atomwise
Atomwise的技术最初是由Wallach博士开发的,他之前是多伦多大学计算机科学系计算生物学小组的博士生,多伦多大学是现代人工智能技术的领先中心。众所周知,卷积网络通过将简单的局部特征分层组合成复杂的模型,在语音和图像识别等领域实现了最佳的预测性能。2019年Atomwise市场销售额为0.25亿美元。
3.2 BERG
BERG是一家临床阶段的人工智能生物技术公司,利用其专有平台Interrogative Biology®绘制疾病图谱,彻底改变肿瘤学、神经病学和罕见病的治疗方法。2019年BERG市场销售额为0.49亿美元。
3.3 Deep Genomics
Deep Genomics的AI Workbench使其能够有效地找到具有理想特性的候选药物,Deep Genomics专注于开发和营销寡核苷酸疗法,这些疗法在RNA或DNA水平上针对疾病的遗传决定因素。2019年Deep Genomics市场销售额为0.4亿美元。
3.4 Recursion Pharmaceuticals
Recursion Pharmaceuticals正在通过采用与目标无关的方法来重新设计药物发现,该方法将自动化、机器学习和世界上最大的生物图像数据集与高度跨职能的团队相结合,以发现变革性的新疗法。2019年Recursion Pharmaceuticals市场销售额为0.16亿美元。
3.5 Euretos
Euretos为临床前研究人员提供了一个人工智能平台,用于在计算机上发现和验证靶点和生物标志物,世界领先的制药、生物技术和学术机构使用它来加速他们的多组学研究。2019年Euretos市场销售额为0.4亿美元。
3.6 BenevolentAI
BenevolentAI是一家总部位于英国的人工智能公司,他们的使命是利用计算医学和人工智能技术改变医学的设计、开发、测试和交付市场的方式。它是一家具有药物发现和临床开发能力的完全整合的人工智能公司。2019年BenevolentAI市场销售额为0.28亿美元。
4、药物发现人工智能产品分类及市场分析
小分子药物AI产品:针对小分子化合物的药物发现,包括分子生成、药效评估、成药性预测和毒性分析等,利用AI技术可以快速筛选和优化小分子化合物的结构和性质,提高药物研发的效率和成功率。大分子药物AI产品:针对多肽、蛋白抗体等大分子药物的研发,包括结构设计、亲和力优化等,由于大分子药物具有复杂的空间结构和柔性片段,AI技术的应用相对更具挑战性,但近年来也在不断进步。这些产品为药物研发提供了强大的工具和支持,有助于提高新药研发的效率和成功率。
小分子:2020年市场份额为70.92%
大分子:2020年市场份额为29.08%
5、药物发现人工智能应用领域市场分析
药物发现人工智能应用领域广泛,涵盖了从疾病机理研究到药物研发全流程管理的多个方面。AI可以模拟分子间的相互作用,预测化合物的结构和性质,从而帮助研发人员设计更具有活性的化合物。此外,AI还可以生成新的药物分子结构,并进行优化和筛选,以提高药物的疗效和降低毒性。
目标ID/VD:2020年市场份额为41.1%
潜在客户ID/Opt:2020年市场份额为35.45%
临床前:2020年市场份额为13.13%
临床试验:2020年市场份额为5.15%
第一章 报告概述
1.1定义和规范
1.2玩家和地区概述
1.2.1玩家概述
1.2.2区域概述
1.3技术概述
1.3.1深度学习
1.3.2查询方式
1.3.3自然语言处理
1.3.4上下文感知处理
1.4药物类型概述
1.5产品概述
1.6最终用户概述
1.7应用概述
1.8产业链
1.8.1药物研发全产业链中的人工智能
1.8.2下游
1.8.3关键参与者在医药研发价值链中的核心竞争力
1.8.4主要参与者的资金比率
第二章 全球人工智能在药物发现市场的技术评估
2.1整体市场表现(价值)
2.2深度学习(价值)
2.3查询方法(值)
2.4自然语言处理(值)
2.5上下文感知处理(值)
第三章 全球人工智能在药物发现市场评估中的应用
3.1整体市场表现(价值)
3.2目标ID/VD(值)
3.3导联ID/可选(价值)
3.4临床前(值)
3.5临床试验(值)
3.6其他(价值)
第四章 竞争分析
4.1Atomwise
4.1.1Atomwise分布
4.1.2产品/服务/解决方案格局
4.1.3碳排放收入
4.2BERG
4.2.1 BERG概况
4.2.2产品/服务/解决方案格局
4.2.3 BERG收入
4.3Deep Genomics
4.3.1Deep Genomics概况
4.3.2产品/服务/解决方案格局
4.3.3Deep Genomics收入
4.4Recursion Pharmaceuticals
4.4.1Recursion Pharmaceuticals概况
4.4.2产品/服务/解决方案格局
4.4.3Recursion Pharmaceuticals入
4.5 Euretos
4.5.1 Euretos配置文件
4.5.2产品/服务/解决方案格局
4.5.3 Euretos收入
4.6BenevolentAI
4.6.1 BenevolentAI配置文件
4.6.2产品/服务/解决方案格局
4.6.3BenevolentAI收入
4.7Exscientia
4.7.1Exscientia概况
4.7.2产品/服务/解决方案格局
4.7.3Exscientia收入
4.8Aiforia
4.8.1 Aiforia简介
4.8.2产品/服务/解决方案格局
4.8.3 Aiforia收入
4.9 IBM
4.9.1 IBM配置文件
4.9.2产品/服务/解决方案前景
4.9.3 Aiforia收入
4.10Insilico
4.10.1 Insilico医学简介
4.10.2产品/服务/解决方案前景
4.10.3 Insilico药品收入
4.11BIOAGE
4.11.1BIOAGE特征
4.11.2产品/服务/解决方案格局
4.11.3 BIOAGE收入
4.12Numerate
4.12.1Numerate配置文件
4.12.2产品/服务/解决方案格局
4.12.3Numerate收入
4.13 NuMedii
4.13.1 NuMedii简介
4.13.2产品/服务/解决方案格局
4.13.3 NuMedii收入
4.14Envisagenics
4.14.1Envisagenics概况
4.14.2产品/服务/解决方案格局
4.14.3Envisagenics收入
4.15Globavir
4.15.1Globavir概况
4.15.2产品/服务/解决方案格局
4.15.3Globavir收入
4.16loud Pharmaceuticals
4.16.1loud Pharmaceuticals简介
4.16.2产品/服务/解决方案格局
4.16.3loud Pharmaceuticals收入
4.17NVIDIA
4.17.1 NVIDIA公司简介
4.17.2产品/服务/解决方案格局
4.17.3 NVIDIA公司收入
4.18Cyclica
4.18.1Cyclica
4.18.2产品/服务/解决方案格局
4.18.3Cyclica收入
4.19 TwoXAR
4.19.1TwoXAR配置文件
4.19.2产品/服务/解决方案格局
4.19.3 TwoXAR收入
4.20OWKIN
4.20.1 OWKIN型材
4.20.2产品/服务/解决方案前景
4.20.3 OWKIN收入
4.21 XtalPi
4.21.1 XtalPi配置文件
4.21.2产品/服务/解决方案前景
4.21.3 XtalPi收入
4.22Verge Genomics
4.22.1 Verge Genomics简介
4.22.2产品/服务/解决方案格局
4.22.3Verge Genomics收入
4.23Standigm
4.23.1 Standigm配置文件
4.23.2产品/服务/解决方案格局
4.23.3 Standigm收入
4.24 Iktos
4.24.1 Iktos配置文件
4.24.2产品/服务/解决方案格局
4.24.3 Iktos收入
4.25Nference
4.25.1Nference资料
4.25.2产品/服务/解决方案格局
4.25.3Nference收入
4.26Cellarity
4.26.1Cellarity曲线
4.26.2产品/服务/解决方案格局
4.26.3 Cellarity收入
4.27Insilico
4.27.1 Insilico医学简介
4.27.2产品/服务/解决方案前景
4.27.3 Insilico药品收入
4.28Collaborations Pharma
4.28.1Collaborations Pharma概况
4.28.2产品/服务/解决方案格局
4.28.3Collaborations Pharma收入
4.29Genesis Therapeutics
4.29.1 Genesis Therapeutics概况
4.29.2产品/服务/解决方案前景
4.29.3Genesis Therapeutics收入
4.30Relay Therapeutics
4.30.1Relay Therapeutics概况
4.30.2产品/服务/解决方案前景
4.30.3Relay Therapeutics收入
4.31 SOM Biotech
4.31.1 SOM Biotech简介
4.31.2产品/服务/解决方案格局
4.31.3SOM Biotech收入
4.32无锡NextCode
4.32.1无锡NextCode简介
4.32.2产品/服务/解决方案格局
4.32.3无锡NextCode收入
4.33Insitro
4.33.1Insitro配置文件
4.33.2产品/服务/解决方案格局
4.33.3Insitro收入
4.34Healx
4.34.1Healx状况
4.34.2产品/服务/解决方案格局
4.34.3Healx收入
4.35微软
4.35.1微软配置文件
4.35.2产品/服务/解决方案格局
4.35.3微软收入
4.36谷歌
4.36.1谷歌个人资料
4.36.2产品/服务/解决方案格局
4.36.3谷歌收入
第五章 竞争格局
5.1 2015-2020年全球人工智能在药物发现销售收入中的份额
5.2全球人工智能在药物发现领域的参与者毛利率(2015-2020)
5.3市场集中度
第六章 按地区划分的药物发现市场全球人工智能评估
6.1全球人工智能在药物发现销售收入中的区域比较(2015-2020)
6.2全球人工智能在药物研发中的毛利率比较(2015-2020年)
第七章 北美
7.1北美药物研发市场中的人工智能(2015-2020)
7.2北美人工智能在药物发现市场的技术规模
7.3北美人工智能在药物发现市场的应用规模
第八章 欧洲
8.1欧洲药物研发市场中的人工智能(2015-2020)
8.2欧洲药物研发中的人工智能市场规模(按技术)
8.3欧洲人工智能在药物发现市场的应用规模
第九章 中国
9.1中国人工智能在药物研发市场的应用(2015-2020)
9.2中国人工智能在药物发现市场的技术规模
9.3中国人工智能在药物发现市场的应用规模
第十章 日本
10.1日本人工智能在药物研发市场的应用(2015-2020)
10.2日本人工智能在药物发现市场的技术规模
10.3日本人工智能在药物发现市场的应用规模
第十一章 印度
11.1印度药物研发市场的人工智能(2015-2020)
11.2印度人工智能在药物发现市场的技术规模
11.3印度人工智能在药物发现市场的应用规模
第十二章 南美洲
12.1南美药物研发市场中的人工智能(2015-2020)
12.2南美人工智能在药物发现市场的技术规模
12.3南美人工智能在药物发现市场的应用规模
第十三章 中东和非洲
13.1中东和非洲药物发现市场的人工智能(2015-2020)
13.2中东和非洲药物发现市场规模的人工智能技术
13.3中东和非洲人工智能在药物发现市场的应用规模
第十四章 市场动态
14.1驾驶员
14.2约束
14.3机会
14.4挑战
第十五章 全球人工智能药物发现市场按地区预测
15.1全球人工智能药物发现销售收入预测(按地区/国家)
15.2北美人工智能在药物发现销售收入和增长率预测(2021-2026)
15.3欧洲人工智能在药物发现销售收入和增长率预测(2021-2026)
15.4中国人工智能药物研发销售收入及增长率预测(2021-2026)
15.5日本人工智能在药物发现销售收入和增长率预测(2021-2026)
15.6印度人工智能在药物发现销售收入和增长率预测(2021-2026)
15.7南美人工智能在药物发现销售收入和增长率预测(2021-2026)
15.8中东和非洲药物研发中的人工智能销售收入和增长率预测(2021-2026)
第十六章 全球人工智能在药物发现市场的技术预测
第十七章 按药物类型预测药物发现市场的全球人工智能
第十八章 全球人工智能药物发现市场预测
第十九章 全球人工智能在药物发现市场的应用预测
第二十章 全球人工智能在药物发现市场的应用预测
第二十一章 结论