当前AI技术涉及药物研发流程中的场景包括哪些环节？

这个我知道，答案都来自报告《2021AI药物研发发展研究报告》，如果有兴趣了解更多相关的内容，请下载原报告阅读。

1.靶点发现环节

AI 人工智能可以依托自然语言处理技术，通过学习文献、组学数据、功能实验数据等 海量医学相关资料，在短时间内发现药物和疾病之间的千万种作用关系，输出机体细胞上 药物能够发挥作用的候选受体结合点（靶点）。

2.化合物合成环节

目前候选化合物的发现策略包括基于已知活性化合物设计、高通量筛选（HTS）和 DNA 编码化合物库（DEL）等；基于定量构效关系研究基础和日益提升的机器学习算法和 算力，Al 技术可参与到靶标三维结构预测、化合物从头设计、成药性预测及优化等过程中， 大幅降低新药研发的时间和成本。

3.晶型预测环节

小分子晶型不同，药物稳定性和溶解度就不同，因此，稳定的晶型结构关系到药品质量， 特别是对于已上市药品，如果发生转晶现象，将会给药企带来灾难性的损失。而小分子存 在多晶型现象，有的晶型稳定性强但溶解度差，有的晶型溶解度好但稳定性差。如果单纯依赖人工去获得稳定性强且溶解度好的晶型，不但需要耗费大量时间进行试验尝试，而且 成功的可能性也极低。

Al 结合实验的晶型预测和筛选技术可以在 2~3 周内预测出潜在的最佳药物晶型，有效 加速研究和决策过程，大幅降低固体形态在后期应用的风险。晶型预测算法：使用给定分 子的结构，预测出一定温度和压力条件下热稳定性最好（势能最低）的晶体结构。

4.药物重定位环节

药物重定位（也称老药新用）是对已经上市或上市失败的药物重新确定治疗适应症， 可以省去化合物筛选及临床前验证的许多环节，是研发成本最低和研发周期最短的新药研 发模式之一。