人工智能驱动的医疗突破：利用人工智能进行新药发现

药物发现因其周期长、成本高而被称为“从实验室到临床”。将一种药物推向市场大约需要 11 至 16 年的时间和10 亿至 20 亿美元的资金。但现在人工智能正在彻底改变药物开发，提供更快的速度和盈利能力。

药物开发中的人工智能改变了我们生物医学研究和创新的方法和策略。它帮助研究人员降低疾病途径的复杂性并确定生物靶点。

让我们更深入地了解人工智能在药物发现中的未来潜力。

了解人工智能的作用：如何将其用于药物发现？

人工智能凭借其分析大量数据并做出复杂预测的能力，增强了药物发现过程的不同阶段。就是这样：

1. 目标识别

靶标识别是药物发现的第一个过程，涉及识别体内可能存在的分子实体，如蛋白质、酶和受体，这些分子实体可以与药物结合以产生针对疾病的治疗效果。

人工智能可以利用大型临床数据库，其中包括有关目标识别的关键信息。这些数据源可以包括生物医学研究、生物分子信息、临床试验数据、蛋白质结构等。

经过训练的人工智能模型以及基因表达等生物医学技术可以理解复杂的生物疾病并确定候选药物的生物靶点。例如，研究人员开发了各种人工智能技术来识别新型抗癌靶点。

2. 目标选择

药物发现中的人工智能可以帮助研究人员根据疾病相关性和预测的治疗效用选择有前景的靶标。凭借强大的模式识别能力，人工智能不仅可以根据已公布的医学文献进行选择，还可以选择全新的目标，而无需事先参考已发表的专利。

3. 药物优先顺序

在此阶段，人工智能对先导药物化合物进行评估和评级，优先考虑进行进一步评估和研究，以推进其开发。与以前的排名技术相比，基于人工智能的方法可以更有效地识别最有前途的候选人。例如，研究人员开发了一种基于深度学习的计算框架来识别和优先考虑治疗阿尔茨海默病的新药物。

4. 化合物筛选

人工智能模型可以预测化合物的化学性质和生物活性，并提供对不利影响的见解。他们可以分析来自各种来源的数据，包括以前的研究和数据库，以识别与特定化合物相关的任何潜在风险或副作用。例如，研究人员开发了一种深度学习工具来筛选包含数十亿分子的化学库，以显着加速大规模化合物探索。

5.从头药物设计

手动筛选大量化合物一直是药物发现的传统做法。借助人工智能，研究人员可以在有或没有先验信息的情况下筛选新化合物，并预测所发现药物的最终 3D 结构。例如，DeepMind 开发的AlphaFold是一个可以预测蛋白质结构的人工智能系统。它维护着一个包含超过 2 亿个蛋白质结构预测的数据库，可以加速药物设计过程。

5 个基于人工智能的药物发现的成功例子

1）阿博辛

抗生素可以杀死细菌。但由于新药的缺乏以及细菌对旧药物耐药性的迅速演变，细菌变得越来越难以治疗。Abaucin是一种人工智能开发的强效实验性抗生素，旨在杀死最危险的超级细菌之一鲍曼不动杆菌。

研究人员首先使用人工智能测试了数千种药物，看看它们对抗鲍曼不动杆菌的效果如何。然后，这些信息被用来训练人工智能研制出一种可以有效治疗的药物。

2) Insilico Medicine 的 Target X

Insilico Medicine使用其生成式人工智能平台创建了一种名为 Target X 的药物，目前正处于一期临床试验阶段。Target X 旨在治疗特发性肺纤维化，这种疾病如果不及时治疗，可能会导致老年人肺部僵硬。第一阶段将涉及 80 名参与者，其中一半将逐渐接受更高的剂量。这将有助于评估药物分子如何与人体相互作用。

3) Verge Genomic 的 VRG50635

人工智能药物发现公司Verge Genomics利用其人工智能平台 CONVERGE 通过分析人体数据点发现了一种新型化合物 VRG-50635，用于治疗 ALS。这些数据点包括有关帕金森氏症、肌萎缩侧索硬化症和阿尔茨海默氏症等神经退行性疾病患者的大脑和脊柱组织的信息。

该平台首先发现PIKfyve酶作为ALS的可能靶点，然后建议VRG50635作为一种有前途的PIKfyve抑制剂，成为治疗ALS的潜在候选药物。这个过程大约花了四年时间，现在候选药物正处于人体试验的第一阶段。

4) Exscientia-A2a 受体

Exscientia是一家 AI 医疗科技公司，负责第一个用于免疫肿瘤治疗的 AI 设计分子，这是一种利用人体免疫系统对抗癌细胞的癌症治疗形式。他们的AI药物已经进入人体临床试验阶段。它的潜力在于能够靶向A2a 受体，促进抗肿瘤活性，同时确保减少对身体和大脑的副作用。

使用生成人工智能，他们创造了一些其他化合物来针对各种疾病，例如

通过靶向CDK7 抑制剂治疗转录成瘾癌症

通过靶向PKC-theta 酶治疗炎症性疾病

通过靶向 LSD1 调节剂来治疗血液学和肿瘤学疾病

5) 采用零样本生成人工智能的 Absci-de Novo 抗体

Absci是一家生成式 AI药物发现公司，它展示了其使用零次生成式 AI 通过计算机模拟从头创建抗体的方法。零样本学习是指人工智能模型在训练阶段没有对当前输入信息进行显式测试。因此，这个过程可以自行提出新颖的抗体设计。

由 AI 驱动的从头治疗抗体将开发新药先导物所需的时间从长达 6 年缩短至仅 18 至 24 个月，从而提高了其在临床上成功的可能性。该公司的技术每周可以测试和验证 300 万个人工智能生成的设计。这一新进展可以立即为每位患者提供新颖的治疗方法，标志着重大的行业变革。

人工智能和药物发现的未来会怎样？

除了许多其他医疗保健应用之外，人工智能还通过分析大量数据集并预测有希望的药物靶点和候选药物，使药物发现过程变得更快、更智能。使用生成式人工智能，生物技术公司可以识别患者反应标记并快速制定个性化治疗计划。

一份报告表明，很快，更多的医疗科技公司将把人工智能和机器学习融入到早期药物发现中，这将有助于在未来十年内创造一个500 亿美元的市场，创造人工智能在制药领域的巨大增长潜力。人工智能将有可能降低总体药物发现成本，使更多新药更快地提供给患者。

　　图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。