Интеграция искусственного интеллекта в исследовательские процессы биотехнологий: экономические проблемы и возможности

Обложка

Цитировать

Полный текст

Аннотация

в статье исследуются актуальные вопросы интеграции технологий искусственного интеллекта в исследовательские процессы современных биотехнологий. В статье исследуются актуальные вопросы интеграции технологий искусственного интеллекта в исследовательские процессы современных биотехнологий. Цель: проведеие комплексного анализа проблем и возможностей, возникающих при внедрении ИИ-систем в биотехнологические исследования. Методы: при написании работы провели систематический обзор научной литературы, анализ кейсов успешного применения ИИ в биотехнологии фармации и оценку текущих ограничений. Результаты: выявлены ключевые технологические, методологические и этические проблемы интеграции ИИ, а также определены перспективные направления использования ИИ для ускорения исследовательских процессов и повышения их точности. Результаты имеют практическое значение для научно-исследовательских организаций и биотехнологических компаний, планирующих интеграцию ИИ-технологий в свои исследовательские процессы.

Об авторах

Т. К Екшикеев

Санкт-Петербургский государственный химико-фармацевтический университет

Email: tager.ekshikeev@pharminnotech.com

Л. Н Малинникова

Санкт-Петербургский государственный химико-фармацевтический университет; АО «БИОКАД»

Email: malinnikova.lyubov@spcpu.ru

Г. А Редкин

Санкт-Петербургский государственный химико-фармацевтический университет; АО «БИОКАД»

Email: grigorij.redkin@spcpu.ru

И. А Обухова

Санкт-Петербургский государственный лесотехнический университет

Email: iobukhova@inbox.ru

Список литературы

  1. Сиваев П.А. Искусственный интеллект и биоинженерия: этические проблемы взаимодействия // Гуманитарные ведомости ТГПУ им. Л.Н. Толстого. 2024. № 2 (50). С. 120 – 129.
  2. Гусев А.В., Шарова Д.Е. Этические проблемы развития технологий искусственного интеллекта в здравоохранении // Общественное здоровье. 2023. Т. 3. № 1. С. 42 – 50.
  3. Abriata L.A. The Nobel Prize in Chemistry: past, present, and future of AI in biology // Communications Biology. 2024. Т. 7. № 1. С. 1409.
  4. UniProt: База данных последовательностей белков. URL: https://www.uniprot.org/uniprotkb?facets=reviewedAtrue&query=* (дата обращения: 16.01.2025)
  5. Чуланова О.Л., Фомина Е.В. Искусственный интеллект как основной тренд развития информационного общества // Журнал социологических исследований. 2019. Т. 4. № 2. С. 6 – 10.
  6. Mak K. K., Pichika M. R. Artificial intelligence in drug development: present status and future prospects // Drug discovery today. 2019. Vol. 24. № 3. P. 773 – 780.
  7. Wheeler N.E. Responsible AI in biotechnology: balancing discovery, innovation and biosecurity risks // Frontiers in Bioengineering and Biotechnology. 2025. Vol. 13. URL: https://www.frontiersin.org/journals/bioengineering-and-biotechnology/articles/10.3389/fbioe.2025.1537471/full (дата обращения: 16.01.2025)
  8. Екшикеев Т.К., Алпатьева Ю.С., Харченко Д.Е, Обухова И.А. Персонализированная перспективность и востребованность кадров организации и управления в производстве лекарственных средств // Russian Economic Bulletin. 2024. Т. 7. № 5. С. 305 – 313. doi: 10.58224/2658-5286-2024-7-5-305-313
  9. Jumper J. et al. Highly accurate protein structure prediction with AlphaFold // Nature. 2021. Vol. 596. № 7873. P. 583 – 589.
  10. Abramson J. et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3 // Nature. 2024. Vol. 630. № 8016. P. 493 – 500.
  11. Zhavoronkov A. et al. Deep learning enables rapid identification of potent DDR1 kinase inhibitors // Nature biotechnology. 2019. Vol. 37. № 9. P. 1038 – 1040.
  12. Simoens S., De Groote K., Boersma C. Critical reflections on reimbursement and access of advanced therapies // Frontiers in Pharmacology. 2022. Vol. 13. URL: https://research.ou.nl/en/publications/critical-reflections-on-reimbursement-and-access-of-advanced-ther (дата обращения: 16.01.2025)
  13. Волин А.Ю. Экономическая оценка производственного развития предприятий фармацевтической промышленности в условиях технологических трансформаций: автореф. дис. … канд. экон. наук. М., 2024. 24 с.
  14. Степаненко Д.А., Павлов В.И., Козлова Н.М. Методология создания индивидуальной модели здоровья человека с использованием искусственного интеллекта // Байкальский медицинский журнал. 2024. Т. 3. № 1. С. 28 – 37.
  15. Esteva A. et al. Dermatologist-level classification of skin cancer with deep neural networks // Nature. 2017. Vol. 542. № 7639. P. 115 – 118.
  16. Schr?dinger, Inc. Международная научная программная и биотехнологическая компания URL: https://www.schrodinger.com/life-science/use-cases/biotech-and-pharmaceuticals/ (дата обращения: 16.01.2025)
  17. Arsene S. et al. In silico clinical trials: is it possible? // High performance computing for drug discovery and biomedicine. New York, NY: Springer US, 2023. P. 51 – 99.
  18. Philippidis A. Absci Eyes IND for Platform's First de novo Antibody within Two Years: Company shares expanded data showing its antibody models achieved higher binding rates than sequences from public databases // GEN Edge. 2023. Vol. 5. № 1. P. 374 – 377.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).