药物发现AI工作流构建
针对药物研发的三大核心环节提供解决方案：
- 文献挖掘：
- 使用OpenMed-NER-Chemical系列提取PubMed文献中的化合物
- 搭配Relation Extraction模型构建作用关系网络
- 示例：从”瑞德西韦可抑制SARS-CoV-2蛋白酶活性”中提取药物-靶点对
- 试验数据分析：
- 处理电子实验记录(ELN)时，用OpenMed-NER-Dosage识别浓度数据
- 实体链接技术将”5-FU”标准化为”氟尿嘧啶”
- 知识图谱构建：
from openmed import build_kg kg = build_kg(research_papers, entity_types=['CHEMICAL','GENE','DISEASE'], model='OpenMed-NER-MultiDetect-434M')
辉瑞团队案例显示，采用OpenMed的化合物识别流程后，文献筛选效率提升40%，新药靶点发现周期从6个月缩短至3个月。关键是在流水线中集成OpenMed/OpenMed-NER-ADMET-290M模型预测化合物性质。
本答案来源于文章《OpenMed：免费提供医疗领域AI模型的开源平台》
未经允许不得转载：AI生产力工具 » 在药物研发场景中如何应用OpenMed加速化合物筛选？
简体中文 
English 
日本語 
Deutsch 
Português do Brasil