資料驅動着藥物發現，但它仍然是該行業面臨的最大挑戰之一。實驗通常是不可重複的，并且資料解釋受人類的偏見和限制。
分子未能成為市場上出售的藥物有很多原因。為了避免這種情況，必須從最準确的科學表示中做出決定；否則，失敗的風險隻會增加。不斷發展的技術提供了許多機會，不僅可以逆轉潮流，而且可以利用資料帶來前所未有的收益。
在過去的幾十年中，資訊時代見證了資料的爆炸式增長，但是更多的資料并不能固有地産生更好的了解。人腦處理資料的能力受到限制，而且偏見使得出的結論的可靠性進一步複雜化。此外，人腦在經過一定時間後通常不會回憶起所有資料，是以随着時間的流逝，回顧性分析變得具有挑戰性，不可能或完全不準确。
盡管這些困難很難解決，但技術可能會帶來一些答案。人工智能（AI）是使機器思考和學習的軟體技術。機器與人類不同，可以快速對大型資料集執行複雜的計算。能夠一緻地執行任務；并且不受情緒影響。但是，機器通常依靠直接的顯式指令來執行任務。例如：在原始文字處理軟體中輸入單個字母将在計算機螢幕上顯示該字母；這是直接輸入和響應，僅反映提供的單個輸入。人工智能為利用機器的優勢打開了大門，可以在人類缺乏的地方進行複雜的分析。在搜尋引擎中鍵入相同的字母會生成針對使用者量身定制的建議搜尋詞清單。這些建議是由資料智能技術生成的，該技術利用許多輔助資料點（稱為中繼資料）的組合來解釋字母，例如個人的先前浏覽曆史和目前事件。如果每個人都被要求從單個字母和一小組中繼資料中列出搜尋建議，則他們可能會産生類似的清單。随着資料量的增長，人的資料容量變得飽和，并且預測可能會變得越來越分歧。沒有資料智能，字母隻是螢幕上的字母，大資料集可能會比知識貢獻更多的噪音。但是，智能軟體為分析帶來了一緻性和完整性，并且在包含中繼資料時具有更大的相關性。
解釋資料
在藥物發現中，資料智能技術具有衆多應用。其中之一是資料解釋，其中上下文為實驗資料提供了至關重要的背景，進而提供了僅憑實驗資料無法捕獲的見解。例如，生物學測定的熒光信号可以與已知的感興趣的互相作用有關。但是，信号可能對溫度敏感，或者測試物質是熒光的。可能增加複雜性的另一種可能性是，沒有一個依賴關系是已知的。如果不考慮溫度和物質特性，僅對實驗資料的解釋将完全具有誤導性，并可能造成災難性的後果。可能促進無活性的化合物的發展，浪費寶貴的資源；甚至更糟的是 可能的先導化合物會被丢棄或遺忘。每個實驗都有數百個這些資料點來補充每個實驗資料點。這些資料點不僅限于單個實驗，還涉及樣品中每個成分的完整運動，條件和過程。這些資料點中的大多數目前未使用或沒有收集，而是依靠控件來調整可變性和未知性。資料智能為使用這些資料點和探索實驗資料背後隐藏的内容提供了機會。也許可以解釋化驗變異性，或者可以闡明有關靶标的新見解。就像搜尋引擎處理單個字母一樣，情報技術可以通過包含用于全面上下文分析的中繼資料來為實驗資料提供更好的含義。
盡管人工智能可以在實驗後從資料中獲得新的見解，但它也可以幫助在實驗室進行科學研究。先導化合物優化是一種晚期藥物發現過程，可改進分子的安全性和有效性，以抵抗疾病的工作周期是根據生物學資料設計分子，對其進行合成，然後測試其生物學活性。許多生物學測定可在一天内測試數千種化合物。但是，藥物化學家設計的每個分子都必須合成和純化，這可能需要幾天或幾周才能完成。化學反應可能是未知的，多步驟且耗時的。正在開發自動合成和人工智能技術來幫助解決其中一些挑戰。逆合成是解決合成化合物的每個步驟的過程，從産品開始，再回到商業或易于使用的試劑。有數百萬個已知的單步化學反應，是以化學家不可能一無所知。取而代之的是，化學家通常的做法是分析文獻，以尋找可以解決該問題的已報告化學方法，這既費時又非常适合智能軟體。逆合成軟體将人工智能應用于參考已知的化學反應并解決反應方案，就像化學家一樣。不同之處在于，軟體可以通路所有已知的化學反應并執行預測路線的複雜分析，而化學家則受其知識以及可以找到和閱讀的參考文獻的限制。這種軟體的開發已經進行了多年，并且已經報道了重要的最新進展。随着逆合成軟體的改進，解決合成問題可能隻需單擊幾下。
自動化的作用
盡管軟體可以縮短解決分子制造問題的時間，但該反應仍必須在實驗室中進行。化學家通常一次配置設定多種化合物，并且必須能夠使它們高效。困難的化學反應通常需要嘗試在多種條件和試劑下進行多種測試反應，以找到一種有效的方法。正常合成反應緩慢且勞動強度大，需要每個反應進行單獨設定和運作。可以消除這些瓶頸的幾種自動化合成方法已有報道，并且正在不斷開發中。自動化隻需設定一次即可運作多個反應，而無需化學家進一步努力。它可以連續運作以生成目标化合物，并在許多條件下有條不紊地進行疊代以解決具有挑戰性的轉化。自動化合成方法可使化學家擺脫重複的費時任務，并減少擷取和測試新化學物質的時間。
單獨使用時，在藥物發現中應用人工智能的潛力巨大，但機器智能将使研究人員更進一步。藥物發現機器人已經廣泛應用于測試分子的生物測定中。自動化合成、逆合成和資料智能方面的進步開創了一場完美的風暴，将生物學和化學結合成一個全自動的閉環過程，并且正在努力實作這一目标。合成方法由逆合成軟體确定，并發送到自動合成裝置，在此裝置中分子被合成，純化并轉移到測定中。化合物轉移後，将自動觸發機器人以執行測定并收集每個樣品的資料。智能軟體不僅可以根據實驗，還可以根據組織中的所有資料來解釋實驗和中繼資料。然後，該軟體将設計下一輪分子，并在每一輪後通過軟體學習來重複該循環。這聽起來像科幻小說，但是其中許多功能正在迅速發展或已經存在-盡管可以肯定的是，為了建立一個真正的自動化藥物發現系統，人工智能和自動化領域仍存在着重大發展。