残友生物自主的AI团队在以下方面为细胞培养及研发助力：

1、细胞系筛选

根据需要研究疾病的病理特征，如NSCLC，在疾病大数据资源库中筛选可用的突变细胞系

图 残友生物AI大数据库

根据SVM 确定蛋白质序列的抗体是否属于NSCLC可用，使用曲线下面积 (AUC) 用于评估参数选择期间的性能。AUC 是最合适的性能度量之一，因为它是非参数且与阈值无关的。

根据SVM对细胞系进行初步的筛选：得到可用进行下一步优化的细胞系，相关的机器学习结果如下

图  残友生物机器学习结果

2、靶点筛选

残友生物数字化团队利用AI进行相关的CAR-T靶点筛选，极大的提升了临床前药物研发的效率，主要的工作有特征提取和靶点筛选预测。