1、行業(yè)定義

藥物發(fā)現(xiàn)是新候選藥物鑒定及其治療靶點(diǎn)過程中的第一步，藥物發(fā)現(xiàn)或新藥靶點(diǎn)正在根據(jù)療效、效力、生物利用度和毒性進(jìn)行評估。人工智能廣泛應(yīng)用于醫(yī)療保健行業(yè)，尤其是用于藥物發(fā)現(xiàn)。人工智能技術(shù)具有識別藥物靶點(diǎn)的能力，在藥物設(shè)計、發(fā)現(xiàn)、鑒定和分子篩選中即時有效地發(fā)揮著重要作用。

2、研究結(jié)論

藥物研發(fā)行業(yè)的全球人工智能是分散的，2019年前10大制造商控制著約33%的全球市場份額。BERG是全球人工智能藥物發(fā)現(xiàn)市場上最大的參與者，其次是Deep Genomics和Euretos。與美國相比，中國更分散，質(zhì)量和價格更低。

3、全球藥物發(fā)現(xiàn)人工智能市場主要企業(yè)名單及介紹

3.1 Atomwise

Atomwise的技術(shù)最初是由Wallach博士開發(fā)的，他之前是多倫多大學(xué)計算機(jī)科學(xué)系計算生物學(xué)小組的博士生，多倫多大學(xué)是現(xiàn)代人工智能技術(shù)的領(lǐng)先中心。眾所周知，卷積網(wǎng)絡(luò)通過將簡單的局部特征分層組合成復(fù)雜的模型，在語音和圖像識別等領(lǐng)域?qū)崿F(xiàn)了最佳的預(yù)測性能。2019年Atomwise市場銷售額為0.25億美元。

3.2 BERG

BERG是一家臨床階段的人工智能生物技術(shù)公司，利用其專有平臺Interrogative Biology®繪制疾病圖譜，徹底改變腫瘤學(xué)、神經(jīng)病學(xué)和罕見病的治療方法。2019年BERG市場銷售額為0.49億美元。

3.3 Deep Genomics

Deep Genomics的AI Workbench使其能夠有效地找到具有理想特性的候選藥物，Deep Genomics專注于開發(fā)和營銷寡核苷酸療法，這些療法在RNA或DNA水平上針對疾病的遺傳決定因素。2019年Deep Genomics市場銷售額為0.4億美元。

3.4 Recursion Pharmaceuticals

Recursion Pharmaceuticals正在通過采用與目標(biāo)無關(guān)的方法來重新設(shè)計藥物發(fā)現(xiàn)，該方法將自動化、機(jī)器學(xué)習(xí)和世界上最大的生物圖像數(shù)據(jù)集與高度跨職能的團(tuán)隊相結(jié)合，以發(fā)現(xiàn)變革性的新療法。2019年Recursion Pharmaceuticals市場銷售額為0.16億美元。

3.5 Euretos

Euretos為臨床前研究人員提供了一個人工智能平臺，用于在計算機(jī)上發(fā)現(xiàn)和驗(yàn)證靶點(diǎn)和生物標(biāo)志物，世界領(lǐng)先的制藥、生物技術(shù)和學(xué)術(shù)機(jī)構(gòu)使用它來加速他們的多組學(xué)研究。2019年Euretos市場銷售額為0.4億美元。

3.6 BenevolentAI

BenevolentAI是一家總部位于英國的人工智能公司，他們的使命是利用計算醫(yī)學(xué)和人工智能技術(shù)改變醫(yī)學(xué)的設(shè)計、開發(fā)、測試和交付市場的方式。它是一家具有藥物發(fā)現(xiàn)和臨床開發(fā)能力的完全整合的人工智能公司。2019年BenevolentAI市場銷售額為0.28億美元。

4、藥物發(fā)現(xiàn)人工智能產(chǎn)品分類及市場分析

小分子藥物AI產(chǎn)品：針對小分子化合物的藥物發(fā)現(xiàn)，包括分子生成、藥效評估、成藥性預(yù)測和毒性分析等，利用AI技術(shù)可以快速篩選和優(yōu)化小分子化合物的結(jié)構(gòu)和性質(zhì)，提高藥物研發(fā)的效率和成功率。大分子藥物AI產(chǎn)品：針對多肽、蛋白抗體等大分子藥物的研發(fā)，包括結(jié)構(gòu)設(shè)計、親和力優(yōu)化等，由于大分子藥物具有復(fù)雜的空間結(jié)構(gòu)和柔性片段，AI技術(shù)的應(yīng)用相對更具挑戰(zhàn)性，但近年來也在不斷進(jìn)步。這些產(chǎn)品為藥物研發(fā)提供了強(qiáng)大的工具和支持，有助于提高新藥研發(fā)的效率和成功率。

小分子：2020年市場份額為70.92%

大分子：2020年市場份額為29.08%

5、藥物發(fā)現(xiàn)人工智能應(yīng)用領(lǐng)域市場分析

藥物發(fā)現(xiàn)人工智能應(yīng)用領(lǐng)域廣泛，涵蓋了從疾病機(jī)理研究到藥物研發(fā)全流程管理的多個方面。AI可以模擬分子間的相互作用，預(yù)測化合物的結(jié)構(gòu)和性質(zhì)，從而幫助研發(fā)人員設(shè)計更具有活性的化合物。此外，AI還可以生成新的藥物分子結(jié)構(gòu)，并進(jìn)行優(yōu)化和篩選，以提高藥物的療效和降低毒性。

目標(biāo)ID/VD：2020年市場份額為41.1%

潛在客戶ID/Opt：2020年市場份額為35.45%

臨床前：2020年市場份額為13.13%

臨床試驗(yàn)：2020年市場份額為5.15%

第一章 報告概述

1.1定義和規(guī)范
1.2玩家和地區(qū)概述
1.2.1玩家概述
1.2.2區(qū)域概述
1.3技術(shù)概述
1.3.1深度學(xué)習(xí)
1.3.2查詢方式
1.3.3自然語言處理
1.3.4上下文感知處理
1.4藥物類型概述
1.5產(chǎn)品概述
1.6最終用戶概述
1.7應(yīng)用概述
1.8產(chǎn)業(yè)鏈
1.8.1藥物研發(fā)全產(chǎn)業(yè)鏈中的人工智能
1.8.2下游
1.8.3關(guān)鍵參與者在醫(yī)藥研發(fā)價值鏈中的核心競爭力
1.8.4主要參與者的資金比率
第二章 全球人工智能在藥物發(fā)現(xiàn)市場的技術(shù)評估

2.1整體市場表現(xiàn)（價值）
2.2深度學(xué)習(xí)（價值）
2.3查詢方法（值）
2.4自然語言處理（值）
2.5上下文感知處理（值）
第三章 全球人工智能在藥物發(fā)現(xiàn)市場評估中的應(yīng)用

3.1整體市場表現(xiàn)（價值）
3.2目標(biāo)ID/VD（值）
3.3導(dǎo)聯(lián)ID/可選（價值）
3.4臨床前（值）
3.5臨床試驗(yàn)（值）
3.6其他（價值）
第四章 競爭分析

4.1Atomwise
4.1.1Atomwise分布
4.1.2產(chǎn)品/服務(wù)/解決方案格局
4.1.3碳排放收入
4.2BERG
4.2.1 BERG概況
4.2.2產(chǎn)品/服務(wù)/解決方案格局
4.2.3 BERG收入
4.3Deep Genomics
4.3.1Deep Genomics概況
4.3.2產(chǎn)品/服務(wù)/解決方案格局
4.3.3Deep Genomics收入
4.4Recursion Pharmaceuticals
4.4.1Recursion Pharmaceuticals概況
4.4.2產(chǎn)品/服務(wù)/解決方案格局
4.4.3Recursion Pharmaceuticals入
4.5 Euretos
4.5.1 Euretos配置文件
4.5.2產(chǎn)品/服務(wù)/解決方案格局
4.5.3 Euretos收入
4.6BenevolentAI
4.6.1 BenevolentAI配置文件
4.6.2產(chǎn)品/服務(wù)/解決方案格局
4.6.3BenevolentAI收入
4.7Exscientia
4.7.1Exscientia概況
4.7.2產(chǎn)品/服務(wù)/解決方案格局
4.7.3Exscientia收入
4.8Aiforia
4.8.1 Aiforia簡介
4.8.2產(chǎn)品/服務(wù)/解決方案格局
4.8.3 Aiforia收入
4.9 IBM
4.9.1 IBM配置文件
4.9.2產(chǎn)品/服務(wù)/解決方案前景
4.9.3 Aiforia收入
4.10Insilico
4.10.1 Insilico醫(yī)學(xué)簡介
4.10.2產(chǎn)品/服務(wù)/解決方案前景
4.10.3 Insilico藥品收入
4.11BIOAGE
4.11.1BIOAGE特征
4.11.2產(chǎn)品/服務(wù)/解決方案格局
4.11.3 BIOAGE收入
4.12Numerate
4.12.1Numerate配置文件
4.12.2產(chǎn)品/服務(wù)/解決方案格局
4.12.3Numerate收入
4.13 NuMedii
4.13.1 NuMedii簡介
4.13.2產(chǎn)品/服務(wù)/解決方案格局
4.13.3 NuMedii收入
4.14Envisagenics
4.14.1Envisagenics概況
4.14.2產(chǎn)品/服務(wù)/解決方案格局
4.14.3Envisagenics收入
4.15Globavir
4.15.1Globavir概況
4.15.2產(chǎn)品/服務(wù)/解決方案格局
4.15.3Globavir收入
4.16loud Pharmaceuticals
4.16.1loud Pharmaceuticals簡介
4.16.2產(chǎn)品/服務(wù)/解決方案格局
4.16.3loud Pharmaceuticals收入
4.17NVIDIA
4.17.1 NVIDIA公司簡介
4.17.2產(chǎn)品/服務(wù)/解決方案格局
4.17.3 NVIDIA公司收入
4.18Cyclica
4.18.1Cyclica
4.18.2產(chǎn)品/服務(wù)/解決方案格局
4.18.3Cyclica收入
4.19 TwoXAR
4.19.1TwoXAR配置文件
4.19.2產(chǎn)品/服務(wù)/解決方案格局
4.19.3 TwoXAR收入
4.20OWKIN
4.20.1 OWKIN型材
4.20.2產(chǎn)品/服務(wù)/解決方案前景
4.20.3 OWKIN收入
4.21 XtalPi
4.21.1 XtalPi配置文件
4.21.2產(chǎn)品/服務(wù)/解決方案前景
4.21.3 XtalPi收入
4.22Verge Genomics
4.22.1 Verge Genomics簡介
4.22.2產(chǎn)品/服務(wù)/解決方案格局
4.22.3Verge Genomics收入
4.23Standigm
4.23.1 Standigm配置文件
4.23.2產(chǎn)品/服務(wù)/解決方案格局
4.23.3 Standigm收入
4.24 Iktos
4.24.1 Iktos配置文件
4.24.2產(chǎn)品/服務(wù)/解決方案格局
4.24.3 Iktos收入
4.25Nference
4.25.1Nference資料
4.25.2產(chǎn)品/服務(wù)/解決方案格局
4.25.3Nference收入
4.26Cellarity
4.26.1Cellarity曲線
4.26.2產(chǎn)品/服務(wù)/解決方案格局
4.26.3 Cellarity收入
4.27Insilico
4.27.1 Insilico醫(yī)學(xué)簡介
4.27.2產(chǎn)品/服務(wù)/解決方案前景
4.27.3 Insilico藥品收入
4.28Collaborations Pharma
4.28.1Collaborations Pharma概況
4.28.2產(chǎn)品/服務(wù)/解決方案格局
4.28.3Collaborations Pharma收入
4.29Genesis Therapeutics
4.29.1 Genesis Therapeutics概況
4.29.2產(chǎn)品/服務(wù)/解決方案前景
4.29.3Genesis Therapeutics收入
4.30Relay Therapeutics
4.30.1Relay Therapeutics概況
4.30.2產(chǎn)品/服務(wù)/解決方案前景
4.30.3Relay Therapeutics收入
4.31 SOM Biotech
4.31.1 SOM Biotech簡介
4.31.2產(chǎn)品/服務(wù)/解決方案格局
4.31.3SOM Biotech收入
4.32無錫NextCode
4.32.1無錫NextCode簡介
4.32.2產(chǎn)品/服務(wù)/解決方案格局
4.32.3無錫NextCode收入
4.33Insitro
4.33.1Insitro配置文件
4.33.2產(chǎn)品/服務(wù)/解決方案格局
4.33.3Insitro收入
4.34Healx
4.34.1Healx狀況
4.34.2產(chǎn)品/服務(wù)/解決方案格局
4.34.3Healx收入
4.35微軟
4.35.1微軟配置文件
4.35.2產(chǎn)品/服務(wù)/解決方案格局
4.35.3微軟收入
4.36谷歌
4.36.1谷歌個人資料
4.36.2產(chǎn)品/服務(wù)/解決方案格局
4.36.3谷歌收入
第五章 競爭格局

5.1 2015-2020年全球人工智能在藥物發(fā)現(xiàn)銷售收入中的份額
5.2全球人工智能在藥物發(fā)現(xiàn)領(lǐng)域的參與者毛利率（2015-2020）
5.3市場集中度
第六章 按地區(qū)劃分的藥物發(fā)現(xiàn)市場全球人工智能評估

6.1全球人工智能在藥物發(fā)現(xiàn)銷售收入中的區(qū)域比較（2015-2020）
6.2全球人工智能在藥物研發(fā)中的毛利率比較（2015-2020年）
第七章 北美

7.1北美藥物研發(fā)市場中的人工智能（2015-2020）
7.2北美人工智能在藥物發(fā)現(xiàn)市場的技術(shù)規(guī)模
7.3北美人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用規(guī)模
第八章 歐洲

8.1歐洲藥物研發(fā)市場中的人工智能（2015-2020）
8.2歐洲藥物研發(fā)中的人工智能市場規(guī)模（按技術(shù)）
8.3歐洲人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用規(guī)模
第九章 中國

9.1中國人工智能在藥物研發(fā)市場的應(yīng)用（2015-2020）
9.2中國人工智能在藥物發(fā)現(xiàn)市場的技術(shù)規(guī)模
9.3中國人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用規(guī)模
第十章 日本

10.1日本人工智能在藥物研發(fā)市場的應(yīng)用（2015-2020）
10.2日本人工智能在藥物發(fā)現(xiàn)市場的技術(shù)規(guī)模
10.3日本人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用規(guī)模
第十一章 印度

11.1印度藥物研發(fā)市場的人工智能（2015-2020）
11.2印度人工智能在藥物發(fā)現(xiàn)市場的技術(shù)規(guī)模
11.3印度人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用規(guī)模
第十二章 南美洲

12.1南美藥物研發(fā)市場中的人工智能（2015-2020）
12.2南美人工智能在藥物發(fā)現(xiàn)市場的技術(shù)規(guī)模
12.3南美人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用規(guī)模
第十三章 中東和非洲

13.1中東和非洲藥物發(fā)現(xiàn)市場的人工智能（2015-2020）
13.2中東和非洲藥物發(fā)現(xiàn)市場規(guī)模的人工智能技術(shù)
13.3中東和非洲人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用規(guī)模
第十四章 市場動態(tài)

14.1駕駛員
14.2約束
14.3機(jī)會
14.4挑戰(zhàn)
第十五章 全球人工智能藥物發(fā)現(xiàn)市場按地區(qū)預(yù)測

15.1全球人工智能藥物發(fā)現(xiàn)銷售收入預(yù)測（按地區(qū)/國家）
15.2北美人工智能在藥物發(fā)現(xiàn)銷售收入和增長率預(yù)測（2021-2026）
15.3歐洲人工智能在藥物發(fā)現(xiàn)銷售收入和增長率預(yù)測（2021-2026）
15.4中國人工智能藥物研發(fā)銷售收入及增長率預(yù)測（2021-2026）
15.5日本人工智能在藥物發(fā)現(xiàn)銷售收入和增長率預(yù)測（2021-2026）
15.6印度人工智能在藥物發(fā)現(xiàn)銷售收入和增長率預(yù)測（2021-2026）
15.7南美人工智能在藥物發(fā)現(xiàn)銷售收入和增長率預(yù)測（2021-2026）
15.8中東和非洲藥物研發(fā)中的人工智能銷售收入和增長率預(yù)測（2021-2026）
第十六章 全球人工智能在藥物發(fā)現(xiàn)市場的技術(shù)預(yù)測

第十七章 按藥物類型預(yù)測藥物發(fā)現(xiàn)市場的全球人工智能

第十八章 全球人工智能藥物發(fā)現(xiàn)市場預(yù)測

第十九章 全球人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用預(yù)測

第二十章 全球人工智能在藥物發(fā)現(xiàn)市場的應(yīng)用預(yù)測

第二十一章 結(jié)論